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。     

P2P网贷的信用风险评估研究

互联网背景下,P2P网贷高速发展,个人信用风险评估尤为重要,但我国还没有建立完善的个人信用评分体系,传统的风险评估方法很难达到满意的效果。本文借鉴以往的相关研究,综合考虑指标体系设置的各项原则,选取了婚姻状况、年龄、工作年限等十项指标,运用Logistic回归模型,通过实证分析,对个人信用风险进行了评估。     

个人信用让人工神经网络以BP算法评估

建立以个人信用评估为核心的个人信用制度是一项复杂的系统工程。本将BP神经网络应用于个人信用评估，详细描述了用于个人信用评估的三层BP神经网络结构，给出了神经网络输入指标的量化处理方法。实证结果表明，BP神经网络模型具有很高的预测精度。     

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。     

互联网金融个人信用风险评估的指标选择方法

完善的个人信用风险评估体系是降低信用风险的决定性因素,而风险评价指标的构建是信用评估的基础。本文选取Prosper.com网贷平台2005年至2014年间部分信贷数据进行实证,研究了主成分分析法(PCA)在筛选信用评估指标上的应用,在此基础上结合支持向量机(SUM)技术,建立评估模型进行验证。结果表明,采用主成分分析法可以有效地剔除无关变量和冗余变量,提高互联网金融个人信用评估的预测精度。     

基于消费数据的个人信用评价研究

随着我国经济总量不断攀升,政府政策更加完善,广大人民对物质的需求不断发生变化,2013年《征信业管理条例》发布,有效推动了征信体系的健康发展。对个人信用评价研究成果进行分析,构造更加高效、精准的个人信用评价模型迫在眉睫。研究发现,数据的预处理以及个人信用评分指标体系的构建对个人信用评分的最终结果有着重要的影响,通过随机森林、KNN决策树等方法分别对指标变量的缺失值进行插补,使用随机森林、WOE值和IV值对数据指标进行重要性排序,确定入选模型变量,构建个人信用评分的指标体系,结合综合评价方法构造熵值法、变异系数法AHP模型、灰色综合评价三种个人信用评价模型,信度系数对建立的多个个人信用评分模型进行组合赋权,以此构建组合评分模型。     

中小银行消费金融业务信用评价体系研究

文章在分析我国发展消费金融和中小银行发展消费金融的意义的基础上,梳理了现有的消费金融研究成果,指出对中小银行消费金融业务信用评价研究不足之处,构建了消费金融个人信用评价模型,通过实证分析研究了某中小银行在消费金融业务信用评价方面的应用效果和发展对策,最后对消费金融信用评价的未来研究方向进行了展望。     

征信体系中个人信息法律保护度建设的个案研究——以上海为例

随着经济的发展和我国个人征信体系的建立,人们对个人信用信息保护的需求日益强烈.我国征信体系的建立经历了先试点、后在全国铺开的过程.上海是征信试点城市之一,在个人信用信息法律保护方面积累了一些经验.通过实证研究,分析上海个人信用信息法律保护的特点和经验,对我国征信立法和个人信用信息保护立法有重要的启示.     

基于优化ACGAN GBDT的个人信用风险评估模型研究

针对个人信用数据不平衡、类间重叠、类型多样性等特点,运用优化的辅助分类器生成对抗网络（ACGAN）、梯度提升决策树（GBDT）分别进行数据过采样、学习与分类,在此基础上构建个人信用风险评估模型。依据金融及大数据相关竞赛平台提供的两个信贷数据集进行实证,从AUC、G mean、Recall等指标出发考量模型的性能。结果显示,模型使用新的过采样技术生成的样本与原始样本非常接近,对违约样本及总样本的识别性能均优于对照模型。