个人征信系统数据异议处理流程说明

人民银行“个人信用信息基础数据库”（简称“个人征信系统”）是由人民银行征信管理局牵头组织建设，由商业银行总行向其报送所有个人贷款、信用卡（包括准贷记卡、贷记卡）等个人信用信息数据，该系统按照个人的“身份证件号码”、“证件类型”及“姓名”将不同商业银行报送的个人信用信息数据进行归集处理，再向商业银行、社会有关部门及个人有条件开放查询“个人信用报告”记录的全国集中式的征信数据库系统。系统采集的个人贷款数据内容包括八大段共计72个数据项，详细记录了个人信用情况。个人征信系统自上线以来，运行情况良好，近期个人征信系统出现较多异议报，客户经理在处理异议报时，不能按照正确处理流程将异议报报送省行，造成人行端客户信用评价错误。下面就个人征信异议处理的具体环节做一说明。[第一段]     

个人信用评估组合模型的构建——基于决策树—神经网络的研究

本文以德国某商业银行的真实客户信用数据为样本,将决策树方法应用于个人信用指标的筛选过程中,并与BP神经网络模型相结合构建成一个两阶段组合模型。研究表明,基于决策树—神经网络构建的个人信用评估组合模型对于测试样本的分类预测精度高于单一BP神经网络模型的分类预测精度。组合模型对于测试样本的总正确率平均值为75.45%,高出单一BP神经网络模型的总正确率近3个百分点。基于信息熵增益率分类原理的最优决策树挑选指标方法能合理去除非重要属性指标的干扰,使真正有效的属性指标输入神经网络主模型,提高模型分类预测的精准度。     

中国股票市场操纵识别研究——基于机器学习分类算法

本文整理了2006—2021年证监会行政处罚涉及的股票市场操纵案例，并通过Wilcoxon秩和检验来筛选构造解释变量，之后综合运用各种过采样算法和机器学习模型对其进行实证分析。研究发现：第一，经过过采样算法扩充样本的模型预测精度明显大于样本不平衡的模型；第二，综合比较各种过采样算法，Borderline-SMOTE过采样算法的预测精度大于SMOTE和ADASYN过采样算法；第三，综合比较各类机器学习分类模型，SVM模型的预测精度明显大于其他机器学习分类模型。本文结论对股票市场操纵的及早识别预测，促进资本市场良性发展具有一定的理论意义和实践价值。     

影响个人信用因素的实证分析

信用评分的过程就是各指标对个人信用影响作用的大小赋予不同的分值权重,依次对过去借款大量人群进行观察和分析来进行个人信用评估过程。国外有DavidDurand信用计分模型和FICO信用分模型,国内的银行也有个人信用评估模型,但是各机构对影响个人信用状况的因素认识不同,侧重点和分值权重是各不相同的。本文通过对山东省内17个地市的1288个有效样本采用logit模型进行回归分析,提出了建立我国个人信用评估指标体系的建议。     

商业银行信用卡业务个人信用评估模型研究

个人信用评估是商业银行信用卡业务一直存在的问题,本文通过信用卡客户信息数据进行实证研究,构建基于C4.5算法的个人信用评估模型,并对信用模型进行了预测和评估,模型有较好的预测效果,可以为信用卡业务的个人信用风险管理提供借鉴。     

一种全新的两阶段个人信用评分方法探究

目前我国还没有一套规范的个人信用评分指标体系和方法。本文利用真实的个人消费信贷数据,首先建立了个人信用评分的多元线性判别分析模型和BP神经网络模型,然后将线性判别分析模型的结果与其它变量一起作为输入变量建立了混合两阶段个人信用评分模型。实证研究表明,混合两阶段个人信用评分模型相对于前两种单一模型能同时满足预测精度和稳健性的双重要求,从而,突破了通常应用单一模型于个人信用评分领域的局限。     

基于Probit模型的个人信用风险实证研究

本文以在浙江省随机抽样的506个自然人样本为研究对象,运用传统的非线性统计模型--Probit模型对个人信用风险进行实证研究,并采用分类预测正确性检验对模型的效力进行比较分析,从中得出实证研究结论和建议,以期为我国个人信用评估方法和体系的完善提供一定的理论参考和实践借鉴.     

个人信用评分关键技术研究的新进展

从系统论的角度总结了个人信用评分发展的前沿问题,从数据预处理、指标体系筛选、以及模型设计三个方面对个人信用评分关键技术的最新研究成果进行了细致分类和综合比较,从而指出个人信用评分研究中存在的难点以及未来发展方向。     

珠联璧合:基于机器学习的网络借贷信用评分卡模型研究

近年来,P2P网络平台"爆雷"事件频发,除平台恶意"携款跑路"外,绝大多数平台倒闭的原因在于部分借款人违约而导致平台现金流不足,进而出现提现困难、严重挤兑。本文借助人人贷网络借贷平台的数据,利用广义交叉验证、随机森林等机器学习算法对借贷客户特征变量进行筛选,并建立融入证据权重的Logistic信用评分卡模型,根据客户贷前所提交的个人信息对客户进行信用评分,进而预测客户借款到期时的违约情况。实证结果表明,该模型的预测准确率明显高于样本期间的平台评级,且模型通过了稳定性检验。这一研究结论对P2P网络借贷行业的健康发展与个人信用体系的构建具有重要意义,同时对第三方评级机构的个人信用评估也有一定的参考价值。     

基于Logistic模型的商业银行个人消费信贷风险评估研究

在消费者“贷款消费”意识不断增强的今天,伴随而来的风险问题也不断显现出来,特别是个人信用风险首当其冲。基于商业银行个人消费信贷的实际操作数据和Logistic回归模型,利用SPSS17.0统计软件构建个人信用评分模型。通过实证,测得借款人的年龄、婚姻状况、受教育程度等六项指标是影响个人信用风险的关键因素。最后,提出了防范个人消费贷款风险的相关建议。     

基于持卡消费行为的客户细分模型研究

客户细分模型是指选择一定的细分变量,按照一定的划分标准对客户进行分类的方法.客户细分的目的是为了更好地了解客户并提供个性化服务.本文使用的样本数据为银行卡消费数据,选择消费金额和消费金额差异率为细分维度,建立了银行卡持卡消费客户细分模型.     

我国个人征信体系建设的目标规划及阶段构想

当今西方发达国家大部分建立起了成熟的个人征信体系,而目前我国的个人征信体系仍处于试点阶段.本文通过实证考察,发现我国在个人征信体系建设中存在着诸如信用立法滞后、个人信用评估缺乏统一标准、各地征信体系目标不统一等问题.因此,在借鉴发达国家先进经验的基础上,作者构建了有中国特色的个人征信体系模式:即选择以银行业为主线,纵向建立基础数据库和横向联网的模式;以地方中介机构为补充,由点到面逐步推开;由政府统一监督管理,最终实现个人信用信息的联合征集、权威评估和信用公示.作者并据此设计了相应的目标规划和具体的阶段构想.     

基于数据挖掘的持卡人信用风险管理研究

目前的信用卡信用风险研究主要是如何提高模型的预测准确率。针对银行信用卡数据的异质性和信用数据的高度非线性,本文提出了对持卡人信用风险管理的混合数据挖掘方法。该方法包含两个阶段,在聚类阶段,样本数据被聚成同质的类,删除孤立点,不一致样本点重置标签,使样本更具有代表性;在分类阶段,基于样本进行训练生成支持向量机分类器法,对待分样本分类。基于实际数据进行了数值实验,并根据各类样本的特点提出了相应的风险管理策略。     

基于Logistic回归模型的个人小额贷款信用风险评估及应用

构建二分类 Logistic信用风险评估模型,运用光大银行某分行样本数据,评估商业银行互联网金融个人小额贷款信用风险。结果显示：客户性别、学历、年龄、收入、职业、属地等因素对个人小额贷款信用风险影响显著。其中,年龄、收入、学历等与客户信用等级呈正向关系,女性信用风险显著低于男性,持有信用卡、存贷比越低的客户其信用等级越高;一、二线城市客户的履约率普遍高于县地级市客户的履约率。鉴此,商业银行应对互联网金融个人小额贷款信用风险进行有效规避和分散。     

我国P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析

P2P(peer-to-peer)网络借贷是一种借助网络平台,由个人与个人间互为借贷双方的小额借贷交易。它作为互联网与民间借贷相结合的新兴金融模式,具有较高的信用风险。采用排序选择模型,基于 ex-celVBA 数据挖掘技术截取多个 P2P 网站数据,对平台信用风险的影响因素进行实证分析,结果表明：个人特征、信用变量、历史表现、借款信息分别对网络借贷信用风险存在正向影响,由此发现网站提供的信息对投资者避免信用风险没有起到实质作用。     

行为评分模型在个人信用评估应用中的实证研究

本文将Logistic模型和马尔科夫链模型相结合,在Logistic模型的基础上综合考虑客户行为状态的变化,将其加入信用评估模型中,得到优于单一运用Logistic模型的结果,据此得到的动态信用评分,为商业银行信贷决策及客户关系管理决策提供更有力的依据。     

银行信用评估模型效果的量化比较

信用评估模型能有效提高信用评估过程的科学性与结果的准确性.本文围绕主流信用评估模型在性能方面的差异化特征,基于德国信贷数据集、我国个人经营贷数据集与小微企业贷数据集,从六个模型性能评价维度对十二个代表性信用评估模型的拟合能力与泛化能力进行了深入研究.研究发现:(1)逻辑回归模型的总体性能最为优异,其次为判别分析、反向传播神经网络模型,其中逻辑回归模型与反向传播神经网络模型更适用于我国信贷场景;(2)基于无监督学习理论的自组织特征映射神经网络和k均值聚类模型,以及基于惰性学习理论的k最近邻模型的泛化能力较弱,表明各类有监督式主动学习模型更适用于解决信用评估问题;(3)模型理论与结构的复杂性并不必然能够使其在特定应用场景下获得较优的性能评价,结构简单、可解释性更强的模型往往稳健性更好.     

基于RFM模型的个人客户忠诚度研究

本文在总结个人客户忠诚研究理论的基础上,提出了基于RFM模型的多层级个人客户忠诚度衡量指标及评估模型。作者利用商业银行数据仓库积累的数据,对个人客户忠诚度进行了实证研究,分析和评价了个人客户的总体忠诚度,以及活期存款、信用卡、定期存款、理财类和贷款的分产品忠诚度;结合客户的收入贡献,将个人客户划分为"挚友、藤壶、蝴蝶、陌生人"四类客户群体,并建议在实际业务应用中,对"挚友"客户重点维系;对"藤壶"客户重点营销,提升其价值;对"蝴蝶"客户进行维护时侧重挽留;而对"陌生人"客户要及时辨识,努力唤醒,降低维系成本。