移動(dòng)網(wǎng)絡(luò)運(yùn)營(yíng)商用戶信用評(píng)分研究.pdf

1、目前，企業(yè)內(nèi)部管理最重要的就是信用的管理與控制。因此，對(duì)于移動(dòng)運(yùn)營(yíng)商而言，需要對(duì)其用戶的信用進(jìn)行必要的風(fēng)險(xiǎn)分析與評(píng)估。本文將對(duì)中國(guó)某市移動(dòng)網(wǎng)絡(luò)運(yùn)營(yíng)商的用戶進(jìn)行信用評(píng)分研究，以圖利用評(píng)分卡，對(duì)用戶進(jìn)行科學(xué)的風(fēng)險(xiǎn)管控，加強(qiáng)運(yùn)營(yíng)商在規(guī)避信用風(fēng)險(xiǎn)方面的能力。最終為中國(guó)該行業(yè)提供開展風(fēng)險(xiǎn)管理與控制的借鑒。
　　論文首先簡(jiǎn)單論述了文章的研究背景、國(guó)內(nèi)外研究現(xiàn)狀、研究意義與方法、論文架構(gòu)。其次，敘述了信用的概念、客戶信用評(píng)價(jià)理論的5C原則及信用

2、評(píng)價(jià)相關(guān)內(nèi)容。然后詳細(xì)介紹了用于選取指標(biāo)的隨機(jī)森林算法、有指導(dǎo)的連續(xù)型指標(biāo)離散方法以及信用評(píng)分模型中比較常用的兩個(gè)模型包括邏輯回歸模型與Fisher判別分析模型。最后利用移動(dòng)運(yùn)營(yíng)商數(shù)據(jù)，通過(guò)綜合考慮客戶違約情況、客戶個(gè)人資料及信用消費(fèi)信息等多種因素，在大量數(shù)據(jù)篩選預(yù)處理的基礎(chǔ)上，進(jìn)行了實(shí)證分析。
　　在實(shí)證階段，由于指標(biāo)過(guò)多，本文利用R語(yǔ)言建立隨機(jī)森林完成了指標(biāo)的選取工作。同時(shí)由于指標(biāo)中有連續(xù)型屬性，因此要對(duì)指標(biāo)進(jìn)行離散化。本文利

3、用了有指導(dǎo)的連續(xù)型屬性離散化方法—熵值與MDLP準(zhǔn)則，該方法是目前最好的離散化方法之一。而且有學(xué)者研究表明該方法可以提高所建模型的精度。最后利用SPSS進(jìn)行了Fisher判別分析模型與邏輯回歸模型的建立，在建立邏輯回歸模型前建立了虛擬變量。后者的正確率達(dá)到95％以上。由于邏輯回歸模型精確度較高，因此將邏輯回歸模型確定為最終的移動(dòng)用戶信用評(píng)分模型。通過(guò)檢驗(yàn)分析，發(fā)現(xiàn)它的區(qū)分度達(dá)到了讓人滿意的要求，這說(shuō)明此模型具有比較好的應(yīng)用價(jià)值。然后依據(jù)