个人信用评分夹杂模型研究.pdfVIP

摘 要 随着中国经济的快速发展，各种个人消费信贷业务的规模迅速扩大。但是，由于 目前国内商业银行对零售业务的风险管理水平较低，管理手段与技术方法相对落后， 没有形成有效的自动化的基于个人信用评分模型的风险管理体系，这严重阻碍了个人 消费信贷业务的发展。因此，开发出一套能够有效降低个人信用风险的信用评分方 法，对社会经济的发展具有十分重要的意义。本文建立的个人信用评分混合模型可以 有效降低商业银行的个人信用风险，更好地实现银行利润最大化的目标。 本文包含以下几方面的内容： 第一章引言，指出问题的研究背景及意义，论述了个人信用评分系统在消费信贷 风险控制过程中的重要性，概述了国内外信用评分的发展和现状，并对现有的理论研 究成果加以总结。 第二章详细介绍了三种分类方法用以建立信用评分模型，它们是Logistic回归，分 类树和随机森林算法，本文选取的三种方法都很有代表性，其6PLogistics回归是目前商 业银行使用最广泛的参数统计方法，分类树则是使用最广泛的非参数方法，而随机森 林算法是数据挖掘领域较为成功的算法。 第三章研究个人信用评分模型的检验方法，如何判定一个模型的有效性，我们列 举了三种理论界和实用界常用的方法。 第四章用真实的信贷数据