基于數(shù)據(jù)挖掘技術(shù)的信用評估模型研究.pdf

1、信用卡業(yè)務(wù)是一項業(yè)務(wù)空間廣闊、利潤潛力巨大的金融服務(wù)。在發(fā)達國家，信用卡業(yè)務(wù)是許多國際大銀行的主要利潤來源。隨著中國經(jīng)濟的發(fā)展，信用卡業(yè)務(wù)在中國呈現(xiàn)出高速增長的態(tài)勢。在信用卡業(yè)務(wù)中，金融機構(gòu)要面對的主要問題之一是個人信用風險難于評估和控制，導致信用卡業(yè)務(wù)風險過高，因此，個人信用評估模型的研究具有十分重要的應(yīng)用價值。
　　 本文從數(shù)據(jù)挖掘的角度，采用基于條件信息熵的數(shù)據(jù)預(yù)處理技術(shù)，運用遺傳規(guī)劃和神經(jīng)網(wǎng)絡(luò)技術(shù)，對信用評估模型進行研究

2、。具體研究工作如下：
　　 1.研究數(shù)據(jù)挖掘中的預(yù)處理技術(shù)。數(shù)據(jù)預(yù)處理能夠幫助改善數(shù)據(jù)的質(zhì)量，進而幫助提高數(shù)據(jù)挖掘進程的有效性和準確性。本文從代數(shù)和信息論兩個角度介紹粗糙集的相關(guān)概念，粗糙集中的信息熵，在此基礎(chǔ)上，深入研究基于條件信息熵的數(shù)據(jù)離散化和屬性約簡算法，并將其運用于信用數(shù)據(jù)的預(yù)處理中，從而提高數(shù)據(jù)的質(zhì)量。
　　 2.提出基于遺傳規(guī)劃和神經(jīng)網(wǎng)絡(luò)的兩階段信用評估模型。GP遺傳規(guī)劃和BP神經(jīng)網(wǎng)絡(luò)都被廣泛應(yīng)用于分類與預(yù)

3、測。通過結(jié)合遺傳規(guī)劃和BP神經(jīng)網(wǎng)絡(luò)，本文提出一種兩階段的混合信用評估模型，以彌補單一算法的不足，采用遺傳規(guī)劃學習提取IF-THEN規(guī)則，從而為決策者提供簡潔的規(guī)則，同時采用BP神經(jīng)網(wǎng)絡(luò)以解決IF-THEN規(guī)則匹配失敗的問題。第一階段，利用遺傳規(guī)劃學習得到的規(guī)則進行信用評估，如果失敗則進入第二階段；第二階段，使用訓練后的神經(jīng)網(wǎng)絡(luò)解決規(guī)則匹配失敗的問題。通過UCI數(shù)據(jù)集上的仿真實驗，驗證了該模型的可行性，通過與相關(guān)模型比較，也可得出其分類準