| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 前言 | 第12-14页 |
| 第一章 个人信用评估 | 第14-27页 |
| 第一节 个人信用评估的概念和方法 | 第14-15页 |
| 第二节 影响个人信用状况的主要因素 | 第15-16页 |
| 第三节 国内外研究现状 | 第16-27页 |
| 一、FICO方法 | 第17-19页 |
| 二、判别分析法 | 第19页 |
| 三、Logistic回归模型 | 第19-20页 |
| 四、决策分类树 | 第20-21页 |
| 五、数学规划方法 | 第21页 |
| 六、K近邻法 | 第21-22页 |
| 七、人工神经网络 | 第22-23页 |
| 八、国内的个人信用评分方法 | 第23-27页 |
| 第二章 数据挖掘及其在个人信用风险管理中的应用 | 第27-31页 |
| 第一节 数据挖掘技术 | 第27-29页 |
| 一、什么是数据挖掘技术 | 第27页 |
| 二、数据挖掘方法的分类 | 第27-28页 |
| 三、数据挖掘的基本步骤 | 第28-29页 |
| 第二节 数据挖掘在个人信用风险管理中的应用 | 第29-31页 |
| 第三章 指标体系建立与数据准备 | 第31-42页 |
| 第一节 数据采集与指标选取 | 第31-37页 |
| 第二节 数据预处理 | 第37-42页 |
| 一、数据清洗 | 第38-39页 |
| 二、数据转换 | 第39-40页 |
| 三、数据抽样 | 第40-42页 |
| 第四章 建立模型 | 第42-53页 |
| 第一节 基于判别分析方法的个人信用评估模型 | 第42-44页 |
| 第二节 基于K近邻法的个人信用评估模型 | 第44-45页 |
| 第三节 基于LOGISTIC回归的个人信用评估模型 | 第45-48页 |
| 第四节 基于决策树的个人信用评估模型 | 第48-53页 |
| 第五章 对选用模型的评估与比较 | 第53-65页 |
| 第一节 适用条件比较 | 第53-54页 |
| 第二节 经济含义解释能力比较 | 第54-57页 |
| 第三节 预测精确度及效率比较 | 第57-58页 |
| 一、预测精度比较 | 第57-58页 |
| 二、效率比较 | 第58页 |
| 第四节 个人信用评估模型应用分析与限制 | 第58-61页 |
| 一、个人信用评估模型应用分析 | 第58-60页 |
| 二、个人信用评估模型应用限制 | 第60-61页 |
| 第五节 研究结论及建议 | 第61-65页 |
| 参考文献 | 第65-69页 |
| 后记 | 第69-70页 |
| 致谢 | 第70页 |