银行的企业贷款违约风险预测分析

摘要

如何在保护数据私密性的前提下，更有效地发现具有潜在违约风险的企业贷款是银行业和学术界的热门研究方向。本文针对企业贷款数据分布不平衡的特征，提出了一套在保护隐私前提下的综合使用多目标决策方法选择最优分类预测模型的方法。　　本次研究所提出的方法在预处理部分主要是为了使得整个研究方法在实际操作中的原始数据更加干净，剔除因为数据原因造成的不良影响。进行维度规约则主要是为了防止进行数据分析操作时，一些敏感核心数据可能会泄露，从而对银行和客户造成重大损失。整个方法的数据分析部分则采取不平衡数据的过采样、分类算法选择、分类评价指标选择、多目标决策方法选择等步骤，构建一个合适的分类预测模型，用以帮助银行提高分辨贷款违约企业的准确率，降低银行的贷款风险，提高银行的收益。　　以中国某国有银行四川省分行的企业贷款数据为例，以PCA作为隐私保护的一种方法。同时又得到了在加权情况下，最优多目标决策方法TOPSIS的排序要比没有进行分类评估指标加权来的更加真实可信。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2 国内外相应技术的研究现状

1.3 本文的研究内容及创新

1.4 论文章节结构

第二章 银行信贷及相关技术的背景介绍

2.1 银行违约背景介绍

2.2 数据挖掘概述

2.3 多目标决策概述

2.4 预处理

第三章 企业贷款风险分析方法理论

3.1 非平衡数据

3.2 独立成分分析和主成分分析

3.3 SMOTE算法

3.4 分类算法

3.5模糊delphi法

3.6 TOPSIS

3.7 PROMETHEE II

3.8 数据包络法DEA

3.9 平均绝对百分差

3.10 分类评价指标

第四章 某银行四川省分行企业贷款数据实证分析

4.1 实验数据

4.2实验数据预处理

4.3 PCA维度规约

4.4 实验数据SMOTE过采样

4.5 实验的分类算法选择

4.6 模糊delphi法求指标权重

4.7 实验结果分析

第五章 结论

致谢

参考文献

附录