基于融360数据的模型构建及用户贷款审批结果预测解读.docxVIP

PAGE \* MERGEFORMAT30 数据挖掘课程论文 —基于融360数据的模型构建及用户贷款审批结果预测 XXXX  摘要 本文的主要工作是运用数据挖掘的相关技术对申请贷款的客户的大量数据进行数据挖掘，发现隐藏在大量数据中的隐含模式，最终得到风险评估模型。本文的内容主要分为数据获取与探查、数据预处理、模型建立和结果分析与应用四个部分。在模型建立的过程中使用了SAS企业数据挖掘模块，基于决策树、回归和神经网络的方法, 充分利用已有数据建立模型, 对申请贷款客户进行科学归类, 从而帮助金融机构提高对贷款信用风险的控制能力。 关键词：SAS 分类技术 数据挖掘 预测 贷款风险评估 目录：  TOC \o 1-2 \h \z \u  HYPERLINK \l _Toc422180252 1.绪论  PAGEREF _Toc422180252 \h 3  HYPERLINK \l _Toc422180253 1.1项目背景  PAGEREF _Toc422180253 \h 3  HYPERLINK \l _Toc422180254 1.2文献综述  PAGEREF _Toc422180254 \h 3  HYPERLINK \l _Toc422180255 2.数据获取与探查  PAGEREF _Toc422180255 \h 5  HYPERLINK \l _Toc422180256 2.1数据获取  PAGEREF _Toc422180256 \h 5  HYPERLINK \l _Toc422180257 2.2数据简介  PAGEREF _Toc422180257 \h 5  HYPERLINK \l _Toc422180258 2.3字段说明  PAGEREF _Toc422180258 \h 6  HYPERLINK \l _Toc422180259 2.4数据探查  PAGEREF _Toc422180259 \h 9  HYPERLINK \l _Toc422180260 3.数据处理与建模  PAGEREF _Toc422180260 \h 9  HYPERLINK \l _Toc422180261 3.1数据预处理  PAGEREF _Toc422180261 \h 9  HYPERLINK \l _Toc422180262 3.2数据建模过程——决策树  PAGEREF _Toc422180262 \h 16  HYPERLINK \l _Toc422180263 3.3数据建模过程——神经网络  PAGEREF _Toc422180263 \h 18  HYPERLINK \l _Toc422180264 3.4数据建模过程——回归  PAGEREF _Toc422180264 \h 20  HYPERLINK \l _Toc422180265 3.5最佳模型选择  PAGEREF _Toc422180265 \h 21  HYPERLINK \l _Toc422180266 4.结果分析与应用  PAGEREF _Toc422180266 \h 22  HYPERLINK \l _Toc422180267 5.项目评估与收获  PAGEREF _Toc422180267 \h 27  HYPERLINK \l _Toc422180268 5.1项目改进  PAGEREF _Toc422180268 \h 27  HYPERLINK \l _Toc422180269 5.2收获  PAGEREF _Toc422180269 \h 28  HYPERLINK \l _Toc422180270 参考文献  PAGEREF _Toc422180270 \h 28  1.绪论 1.1项目背景 金融是现代经济的核心,各类金融机构则是现代金融的支柱。各类金融机构在社会经济发展过程中, 发挥着筹集融通资金、引导资产流向、提高资金运用效率和调节社会总需求的作用。中国加入WTO后, 中外金融机构的竞争日益激烈, 中国商业银行必须加快改革步伐, 尽快打造自己的核心竞争力。但是中国金融机构的信贷资产质量较差, 不良贷款的规模大、比例高, 严重阻碍中国金融业的发展。有效控制不良贷款信用风险已经成为中国金融机构面对的主要课题。 1.2文献综述 目前国际银行业对不良贷款信用风险评估的方法主要采用的是古典分析法和多元统计法[ 1-2] 。古典分析法是指银行经营者依赖一批训练有素的专家的主观