基于數(shù)據(jù)挖掘的個(gè)人信用評(píng)分模型開發(fā).pdf

1、消費(fèi)信貸產(chǎn)業(yè)的蓬勃發(fā)展，以及消費(fèi)信貸業(yè)務(wù)風(fēng)險(xiǎn)與回報(bào)相對(duì)應(yīng)的客觀規(guī)律，使金融機(jī)構(gòu)在追逐巨額利潤的同時(shí)，不得不面對(duì)巨大的信用風(fēng)險(xiǎn)，因此如何規(guī)避潛在的信用風(fēng)險(xiǎn)是銀行和信貸機(jī)構(gòu)面臨的重要課題。銀行需要在發(fā)放信用貸款之前，對(duì)信貸客戶進(jìn)行科學(xué)的信用評(píng)估，客觀、全面、準(zhǔn)確地評(píng)估消費(fèi)者的還款能力和還款意愿，以避免、控制、減少壞賬損失。在西方國家，普遍采用個(gè)人信用評(píng)分定量地評(píng)價(jià)個(gè)人信貸消費(fèi)者的信用狀況。借助數(shù)據(jù)挖掘技術(shù)，構(gòu)建信用評(píng)分模型，發(fā)掘數(shù)據(jù)中蘊(yùn)含的

2、模式和規(guī)律，作為消費(fèi)者信貸管理的決策依據(jù)。在中國，由于社會(huì)征信體系的不完善，以及信貸消費(fèi)產(chǎn)業(yè)的落后，個(gè)人信用模型的開發(fā)才剛剛起步，對(duì)于開發(fā)合適的信用模型缺乏經(jīng)驗(yàn)，本文將對(duì)此進(jìn)行探索。 常用的信用評(píng)分技術(shù)一般分統(tǒng)計(jì)學(xué)方法和非統(tǒng)計(jì)學(xué)方法。統(tǒng)計(jì)學(xué)方法包括線性回歸、判別分析、Logistic回歸，決策樹等，非統(tǒng)計(jì)學(xué)方法包括線性規(guī)劃、神經(jīng)網(wǎng)絡(luò)、遺傳算法、專家系統(tǒng)等。但是對(duì)于這些開發(fā)信用模型的技術(shù)，那種方法最好，還沒有一致的結(jié)論。論文以真實(shí)

3、的信貸數(shù)據(jù)為分析對(duì)象，使用最常見的判別分析、Logistic回歸、神經(jīng)網(wǎng)絡(luò)等進(jìn)行適應(yīng)性研究。利用它們分別建立模型，對(duì)客戶進(jìn)行分類，并比較模型表現(xiàn)。對(duì)比發(fā)現(xiàn)，各種模型都有一定的預(yù)測(cè)能力，能將好壞客戶適度地區(qū)分開來。其中Logistic回歸模型在這三種技術(shù)中評(píng)估最佳。是當(dāng)前商業(yè)銀行可以采用的最優(yōu)模型，值得在實(shí)踐中推廣。 在建立信用模型的過程中，數(shù)據(jù)是建立個(gè)人信用評(píng)分模型的基礎(chǔ)，離開數(shù)據(jù)，“巧婦難為無米之炊”。而實(shí)際中收集的數(shù)據(jù)一般都