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：个人信用评价体系论文; 数据脱敏论文; 机器学习论文; 神经网络论文;
