基于數(shù)據(jù)挖掘的個(gè)人信用評(píng)分建模與分析.pdf

1、隨著經(jīng)濟(jì)的不斷發(fā)展，人們對(duì)住房、汽車、教育、日常消費(fèi)等有信貸需求的家庭也越來(lái)越多。因此對(duì)于金融機(jī)構(gòu)如何規(guī)避潛在的個(gè)人信用風(fēng)險(xiǎn)是銀行和信貸機(jī)構(gòu)面臨的重大挑戰(zhàn)。所以使用統(tǒng)計(jì)方法或數(shù)據(jù)挖掘技術(shù)，建立個(gè)人信用貸款模型，能夠比較準(zhǔn)確的預(yù)測(cè)個(gè)人違約的概率，對(duì)銀行或金融機(jī)構(gòu)有著重要的意義。
　　個(gè)人信用貸款預(yù)測(cè)實(shí)質(zhì)上是需要我們找到一種分類模型，即將個(gè)體消費(fèi)者劃分為能夠按期還本付息（即“好”客戶）和違約（即“壞”客戶）兩類。對(duì)于此類問題，本文選擇

2、Logistic回歸和決策樹分類方法進(jìn)行建模并比較兩者之間的優(yōu)缺點(diǎn)，選擇最優(yōu)模型。
　　本文以kaggle競(jìng)賽數(shù)據(jù)為實(shí)證數(shù)據(jù)結(jié)合SAS、SPSS軟件進(jìn)行論文研究，首先結(jié)合SAS軟件對(duì)原始數(shù)據(jù)進(jìn)行隨機(jī)抽樣，分成訓(xùn)練集、驗(yàn)證集和測(cè)試集三個(gè)數(shù)據(jù)集，接著對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理，對(duì)缺失值、異常值進(jìn)行檢驗(yàn)和多重共線性檢驗(yàn)，并相應(yīng)使用插補(bǔ)法和變量聚類分析進(jìn)行變量篩選得到處理后的數(shù)據(jù)集，最后從x1-x10十個(gè)變量中篩選出五個(gè)變量x1、x2、x4、x8

3、、x9進(jìn)行Logistic回歸建模;然后通過(guò)Logistic回歸分析中的全模型法得到三個(gè)候選模型，對(duì)三個(gè)候選模型進(jìn)行參數(shù)估計(jì)以及模型顯著性檢驗(yàn)擬合數(shù)據(jù)得到兩個(gè)預(yù)測(cè)模型，且計(jì)算得出兩個(gè)模型AUC統(tǒng)計(jì)量都為0.714，說(shuō)明模型預(yù)測(cè)效果較為理想，為了進(jìn)一步選擇穩(wěn)健性高、簡(jiǎn)潔的最優(yōu)模型，再通過(guò)驗(yàn)證集繪制ROC曲線以及計(jì)算AUC值，兩模型在驗(yàn)證數(shù)據(jù)集中AUC值都超過(guò)了70％，最后綜合比較得到最優(yōu)模型，篩選出x2、x8、x9建立Logistic回歸

4、模型;接著結(jié)合SPSS軟件對(duì)訓(xùn)練集使用Exhaustive CHAID算法建立決策樹分類模型，篩選出x1、x3、x4、x7、x9五個(gè)變量，然后通過(guò)驗(yàn)證集檢驗(yàn)?zāi)Ｐ偷姆€(wěn)健性，得到AUC值為0.839，說(shuō)明模型有很好的穩(wěn)健性;最后通過(guò)測(cè)試集比較Logistic回歸模型和決策樹分類模型預(yù)測(cè)效果，Logistic回歸模型與決策樹分類模型預(yù)測(cè)違約概率p與實(shí)際值誤差平方和分別為823.298和231.559，說(shuō)明在模型的預(yù)測(cè)準(zhǔn)確度、穩(wěn)健性上，決策樹模