基于數(shù)據(jù)挖掘的個人信用風險評估單一模型與集成模型的研究.pdf

1、個人信用是集體信用和國家信用的基礎(chǔ)，代表一個人遵守約定的程度，影響著社會和他人對其的信任度。建立個人信用風險評估系統(tǒng)能在一定程度上降低銀行的信貸風險，提高銀行市場競爭力。在我國，個人信用制度的建立是從2000年起步，典型方法要求申請人填寫一個表格，根據(jù)預(yù)定義的計分表評分每個指標，銀行直接確定是否接受申請人的請求。得分表中每一項的分數(shù)僅根據(jù)專家的主觀經(jīng)驗給出，因此并不是那么的公平可靠。此外，若要修改某條評分條件再調(diào)整得分表是很麻煩的。因此

2、，銀行要降低信貸風險、發(fā)展個人信貸業(yè)務(wù)，必須科學而有效的對個人信用風險狀況進行評估。
　　本文所完成的主要工作如下:
　　利用統(tǒng)計模型（C4.5決策樹、樸素貝葉斯）和非統(tǒng)計模型（SVM和BP神經(jīng)網(wǎng)絡(luò)）建立個人信用風險評估模型，對它們進行比較分析，在三個UCI數(shù)據(jù)集上采用分類準確率、模型穩(wěn)定性和可解釋性三個指標來評價幾個模型的分類效果。實驗結(jié)果表明:SVM模型的總分類精度最高(82.65％)，第二類錯誤率最低(14％)，但其穩(wěn)

3、定性最差;BP神經(jīng)網(wǎng)絡(luò)模型除了穩(wěn)定性略優(yōu)于SVM，其余的性能均比SVM差;樸素貝葉斯模型的平均總精度變化最小(3.7％)，穩(wěn)定性最佳，但分類精度最低，第二類錯誤率最高;C4.5模型在分類精度和穩(wěn)定性上的表現(xiàn)都不是最出色，對于可解釋性來說，統(tǒng)計模型占有絕對的優(yōu)勢。綜上所述，現(xiàn)有的信用風險評估模型都各有特點，但沒有任何一種模型能讓各個統(tǒng)計量都達到較高的水平。
　　利用集成思想在三個信用數(shù)據(jù)集上構(gòu)建了同態(tài)并行結(jié)構(gòu)集成模型（bagging

4、集成和boosting集成）和異態(tài)并行結(jié)構(gòu)集成模型。實驗表明使用集成思想能有效提高單一分類模型分類精度和穩(wěn)定性。對于同態(tài)集成算法，使用bagging集成后模型的分類精度高于boosting集成;使用bagging集成和boosting集成模型兩者穩(wěn)定性效果相當;使用boosting集成后模型第二類錯誤率比使用bagging集成低。對于異態(tài)集成算法，調(diào)參前使用集成模型比單一模型的分類精度高4％，調(diào)參后集成模型相比于單一模型分類精度提高了2