小额贷款逾期客户还款概率预测模型

摘要

随着我国经济发展与居民消费观念的更新，小额贷款机构公司无论是在数量上还是规模上都得到了飞速的发展。作为一种门槛低、易操作的广受消费者喜爱的借款平台，小额贷款机构近几年的收益也颇为丰厚，但同时也承担着部分贷款不能收回的风险。如何有效地评估与控制这一风险，是小额贷款等金融机构面临的重要问题。随之逾期率与坏账客户数量的增大，小额贷款机构的风险隐忧凸显，因此如何更好地对逾期债务人是否会还款做出判断，是目前所有金融服务行业迫切需要解决的问题。为了做出更高效、智能的判断，为决策者提供有效的决策支持，从而提高金融服务行业对贷款者在审批过程中资信评估的正确率及效率。本研究通过构建Logistic回归模型及朴素贝叶斯模型来对逾期债务人还款可能性的大小进行预测。 本文在借鉴国外文献的基础上因地制宜地选择了预测模型及变量。为了检测模型的精确度本文在建模之前将样本按7:3的比例划分成训练集样本和测试集样本，然后通过logistic回归及朴素贝叶斯方法对训练集样本构建了逾期客户还款概率预测模型，再通过测试集样本对模型预测结果的精确度进行了检验。此外，本文还通过聚类分析法将样本集分成了三个类别，并分别对这三个类别的样本通过logistic回归法构建还款预测模型。最后分类前及分类后得样本特征及模型的结果对逾期债务人的特征做了总结及两种建模方法所得到的模型的稳定性及预测精度做了对比及分析。

目录

声明

第一章 绪 论

1.1 研究背景和意义

1.2 文献综述

1.3 本文的研究内容

1.4 本文的创新点及不足

第二章 数据的处理

2.1 数据准备与变量处理

2.2 变量的描述性统计

2.3 变量相关性检验

第三章 基本理论及分析方法

3.1 熵权法的介绍

3.2 系统聚类的概述

3.3 型设计的关键要素

3.4 模型理论知识介绍

3.5 NaiveBayes模型基本理论介绍

第四章 逾期客户还款概率预测模型的构建

4.1 熵权法确定变量权重

4.2 样本聚类

4.3 Logistic预测模型的建立

4.4 朴素贝叶斯预测模型的建立

4.5 聚类后的logistic模型的建立

第五章 结论与建议

5.1 结论

5.2 应用

参考文献

致谢