个人信用评估论文：基于粗糙集—支持向量机的个人信用评估.docx

《个人信用评估论文：基于粗糙集—支持向量机的个人信用评估.docx》由会员分享，可在线阅读，更多相关《个人信用评估论文：基于粗糙集—支持向量机的个人信用评估.docx（6页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、 个人信用评估论文：基于粗糙集支持向量机的个人信用评估【中文摘要】随着中国经济的快速发展,个人信贷业务发展迅速,并逐步成为我国各商业银行等金融机构扩大业务份额、提高利润增长点以及国家拉动内需的一个重要途径。然而信贷主体个人信用的缺失导致银行面临极大的风险,并成为信贷业务发展壮大的主要障碍。全面了解和评价贷款申请人的信用情况是各金融机构搞好信贷业务、防范信用风险的关键问题。因此,对信贷主体的个人信用评估模型的研究也便有了重要的应用和现实价值。本文的主要工作包括:本文首先综述了国内外个人信用评估情况的发展现状,并详细分析了目前已经被使用个人信用评估方法其各自的优缺点。综述了我国个人信用评估工作中所

2、使用的评估指标体系,从定性的角度对指标体系的特点进行了分析,并进一步从定量的角度研究了个人信用评估指标体系中的几个重要的指标及其对个人资信的影响作用。基于对我国个人信用评估指标体系的分析和众多学者对评估方法研究的基础上,本文尝试建立起基于粗糙集和支持向量机相结合的个人信用评估体系,希望能够寻求一种更为有效的评估模型,一定程度上提高个人信用评估的分类正确率。利用我国河北省某商业银行2009年的450个数据样本对构建的个人信用评估模型进行了验证分析,结果表明该模型具有较好的分类效果。对比实验。为了验证该模型分类效果的可靠性,文中设置了多组对比实验。首先通过软件计算得出同一数据样本就不同的方法的分类

3、效果,这些方法包括线性判别分析,Logistic回归,K近邻判别分析,人工神经网络。其次,将基于RS-SVM组合模型的个人信用评估模型分类效果与这些模型的预测效果进行比较,从而验证了该组合模型的分类效果的可靠性。此外,针对数据样本自身可能存在一定的局限性等问题,本次实验还采用一组公开的国外信贷样本数据来验证了RS-SVM组合模型的分类效果,该组数据虽然是国外数据,但也可以从一个侧面反映了RS-SVM组合模型在个人信用评估方面的适用性和可靠性。本文的研究,旨在寻求一种有效的个人信用评估模型,使其分类识别结果能为信贷业务部门提供有力的支持,帮助我国商业银行等金融机构很好的开展个人信用风险评估体系建

4、设工作、提高信贷业务的风险管理水平、降低因信贷主体个人信用的缺失而导致的不良资产流失及更进一步促进我国个人信贷市场的有序发展。【英文摘要】Along with the rapid development of Chinas economy, personal credit business has developed rapidly, and gradually become a important way of Chinas commercial Banks and other financial institutions to expand business share、improve p

5、rofit growth point, it can stimulate national domestic demand too. While, under the economic transition environmental conditions, credit subjects credit deficiencies cause banks facing great risk and become the main obstacle to credit development and expansion. Comprehensive understanding and evalua

6、ting the credit status of individuals is key problem all of financial structure to improve personal credit and guard against credit risk .The followings are the mainly work of this this paper: Reviews Chinese personal credit evaluation work in the use of the evaluation index system, from the qualita

7、tive angle to the characteristics of index system are analyzed, and from the Angle of further quantitative study of individual credit evaluation index system of several important indexes and the effect of individual credibility. Set up a consumer credit evaluation model based on rough sets and suppo

8、rt vector machine. Support vector machines has been applicated in the personal credit evaluation with good results. Personal Credit Index Systemt is usually contains a lot of redundant information, which will affect the support vector machine learning. This paper tried to build up a new credit evalu

9、ation model based on rough set and support vector machine; A empirical analysis of the establishing personal credit evaluation is made, Empirical study shows that this model can obtain high classification accurate rate and select the key features; Compare the classification accurate rate of credit e

10、valuation model based on rough sets and support vector machine to several other classical methods. According to data sample themselves may exist certain limitations, this experiment has also used a set of open Australia credit the sample data to validate the SVM model portfolios rs-five classificati

11、on effect, the results also achieved good results, the group data although is foreign data, but also from a side, reflects the SVM model portfolios rs-five personal credit evaluation in the applicability and reliabilityThis study aims to seek an effective personal credit evaluation model and then pr

12、ovides forceful support to consumer credit business ; Help Chinese commercial Banks, and other financial institutions conducting personal credit risk assessment system construction work; Improve consumer credit business level of risk management; Reduce bad assets loss caused by consumer credit subje

13、cts credit deficiencies and Promote Chinas personal credit market and orderly development.【关键词】个人信用评估 粗糙集 支持向量机【英文关键词】Personal credit evaluation Rough Sets Super Vector Machine【目录】基于粗糙集支持向量机的个人信用评估 摘要 3-4 ABSTRACT 4-5 目录 6-8 1 绪论 8-13 1.1 研究背景 8-9 1.2 问题的提出 9-11 1.3 本文主要的研究内容 11-13 2 个人信用评估及其方法综述 13

14、-21 2.1 个人信用评估 13 2.2 个人信用评估方法 13-21 2.2.1 经验式判别法 14-15 2.2.2 统计学方法 15-17 2.2.3 运筹学方法 17 2.2.4 人工智能方法 17-20 2.2.5 其他方法 20-21 3 粗糙集和支持向量机理论介绍 21-31 3.1 粗糙集理论概述 21-25 3.1.1 粗糙集理论的产生及发展 21 3.1.2 粗糙集相关概念 21-23 3.1.3 基于粗糙集的属性约简 23-24 3.1.4 约简算法 24-25 3.2 基于支持向量机的分类实现 25-31 3.2.1 统计学习理论中几个重要概念 25-27 3.2.2

15、 支持向量机分类情况 27-31 4 粗糙集-支持向量机个人信用评估模型构建 31-39 4.1 指标选取原则 31-32 4.2 个人信用评估指标体系 32-34 4.3 选取粗糙集和支持向量机构建个人信用评估模型的主要依据 34-37 4.3.1 个人信用数据及评估指标的特点 34-35 4.3.2 选取使用粗糙集的依据 35-36 4.3.3 选取支持向量机的依据 36-37 4.4 模型构建流程 37 4.5 本章小结 37-39 5 实验设计及实验结果分析 39-52 5.1 数据源 39-41 5.1.1 来源 39-40 5.1.2 数据量化 40-41 5.2 基于粗糙集的数据

16、预处理 41-45 5.2.1 数据离散化 41-42 5.2.2 属性约简 42-43 5.2.3 约简结果及评估指标定量分析 43-45 5.3 SVM样本选取及数据处理 45-49 5.3.1 样本选取及数据标准化 45-46 5.3.2 SVM核函数选取 46-47 5.3.3 参数优化 47-49 5.4 实验结果分析 49-50 5.5 对比实验 50-51 5.5.1 同数据不同方法 50 5.5.2 同方法不同数据 50-51 5.6 本章小结 51-52 6 总结与展望 52-54 6.1 总结 52 6.2 研究不足和未来展望 52-54 致谢 54-55 参考文献 55-58 附录 作者攻读学位期间发表的论文 58