基于机器学习方法的个人信用评价研究

基于机器学习方法的个人信用评价研究

论文摘要

在大数据和互联网技术迅猛发展的背景下,金融大数据平台公司通过自己的平台收集和整理海量数据,完善信用评价维度,运用机器学习方法对个人信用水平进行全面科学评价,因而,商业银行传统个人信用评价面临巨大挑战。从现有个人信用评价体系和方法局限出发,探讨基于机器学习方法的个人信用评价研究的必要性,完善个人信用评价维度和评价体系,明确数据采集的渠道,运用动态脱敏技术进行数据脱敏、LOF检验方法检验数据异常值和随机森林方法补充数据缺失值。接着,运用梯度提升决策树方法筛选重要性指标,通过基于逻辑回归的评分卡模型对筛选后的指标进行处理,输出个人信用评价分。最后,通过BP神经网络对模型进行检验,运用该模型对个人信用水平进行预测。研究表明基于机器学习能够进一步提高个人信用评价的准确性,为商业银行个人信用评价提供科学的依据和参考。

论文目录

  • 一、引言
  • 二、基于机器学习方法的个人信用评价研究的必要性
  •   (一)现有个人信用评价方法存在的局限
  •     1. 单一使用逻辑回归模型,缺乏准确性
  •     2. 以平均数或众数补充缺失值,缺乏准确性
  •     3. 专家评价法缺乏客观性
  •   (二)使用机器学习方法进行个人信用评价的优势
  •     1. 运用随机森林模型补充数据缺失值
  •     2. 运用梯度提升决策树模型筛选重要性变量
  •     3. 运用BP神经网络模型准确预测信用主体信用状况
  • 三、构建个人信用评价体系
  •   (一)个人基本信息
  •   (二)个人信用历史
  •   (三)履约能力
  •   (四)个人交易行为
  •   (五)社交关系
  • 四、基于机器学习方法的数据采集和加工
  •   (一)数据采集渠道
  •     1. 基本信息来源于用户提供的数据
  •     2. 互联网数据来源于金融大数据平台公司
  •     3. 电子商务数据来源于金融大数据平台公司下属的电商平台
  •     4. 公共信息来源于与金融大数据平台公司具有合作关系的外部机构
  •   (二)数据加工
  •     1. 基于动态脱敏技术的数据脱敏
  •     2. 基于LOF检验方法检测异常值
  •     3. 基于随机森林方法提高数据饱和度
  •     4. 基于梯度提升决策树方法筛选指标
  • 五、构建基于逻辑回归的评分卡模型,输出个人信用分
  •   (一)逻辑回归模型得出违约概率
  •     1. 逻辑回归模型
  •     2. 运用逻辑回归模型输出个人违约概率
  •   (二)评分卡模型输出最终信用评分
  •     1. 评分卡刻度
  •     2. 输出评分结果
  • 六、构建个人信用评价底层模型BP神经网络,提高信用评分准确性
  •   (一)个人信用评价底层模型BP神经网络各层节点数设计
  •     1. 输入层神经网络节点确定
  •     2. 隐藏层神经网络节点确定
  •     3. 输出层神经网络节点确定
  •   (二)个人信用评价底层模型BP神经网络参数设置
  •     1. 训练次数
  •     2. 误差精度
  •     3. 传递函数
  •     4. 学习函数
  •   (三)输出个人信用分结果
  •     1. BP神经网络模型的训练
  •     2. BP神经网络模型的测试
  • 七、结语
  • 文章来源

    类型: 期刊论文

    作者: 周毓萍,陈官羽

    关键词: 个人信用评价体系,数据脱敏,机器学习,神经网络

    来源: 金融理论与实践 2019年12期

    年度: 2019

    分类: 经济与管理科学,信息科技

    专业: 自动化技术,金融

    单位: 武汉理工大学经济学院

    基金: 2018年湖北省技术创新专项软科学研究项目“武汉航运结算中心对航运产业链影响机理研究”项目资助(项目编号:2018ADC079)

    分类号: F832.4;TP181

    页码: 1-8

    总页数: 8

    文件大小: 1284K

    下载量: 1566

    相关论文文献

    标签:;  ;  ;  ;  

    基于机器学习方法的个人信用评价研究
    下载Doc文档

    猜你喜欢