基于逻辑回归的个人信用评分模型的研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究思路与主要内容 | 第12-13页 |
| 1.4 创新与不足 | 第13-15页 |
| 1.4.1 本文的创新之处 | 第13-14页 |
| 1.4.2 本文的不足之处 | 第14-15页 |
| 2 信用评分的概念与建模方法比较 | 第15-24页 |
| 2.1 信用评分基本概念 | 第15-16页 |
| 2.2 信用评分主要建模方法 | 第16-21页 |
| 2.2.1 判别分析法 | 第16-17页 |
| 2.2.2 回归分析法 | 第17-18页 |
| 2.2.3 决策树 | 第18页 |
| 2.2.4 神经网络 | 第18-19页 |
| 2.2.5 支持向量机 | 第19-20页 |
| 2.2.6 建模方法比较 | 第20-21页 |
| 2.3 逻辑回归及其可行性分析 | 第21-24页 |
| 2.3.1 逻辑回归 | 第21-23页 |
| 2.3.2 逻辑回归可行性分析 | 第23-24页 |
| 3 建模前数据预处理 | 第24-38页 |
| 3.1 业务分析 | 第24-25页 |
| 3.2 数据准备 | 第25-30页 |
| 3.2.1 样本选择 | 第25-28页 |
| 3.2.2 好坏客户定义 | 第28-30页 |
| 3.3 数据清洗 | 第30-32页 |
| 3.4 变量的筛选与分组 | 第32-38页 |
| 3.4.1 变量的筛选 | 第32-34页 |
| 3.4.2 变量的细分组 | 第34-38页 |
| 4 信用评分模型的建立 | 第38-60页 |
| 4.1 模型训练 | 第38-49页 |
| 4.1.1 聚类分析 | 第38-40页 |
| 4.1.2 自助法 | 第40-42页 |
| 4.1.3 相关性分析 | 第42-43页 |
| 4.1.4 变量的粗分组 | 第43-49页 |
| 4.2 模型建立 | 第49-51页 |
| 4.3 模型打分 | 第51-54页 |
| 4.4 模型验证 | 第54-58页 |
| 4.4.1 混合矩阵 | 第54-55页 |
| 4.4.2 区分度 | 第55-57页 |
| 4.4.3 KS曲线 | 第57页 |
| 4.4.4 拟合度曲线 | 第57-58页 |
| 4.5 模型监控 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 附录 | 第62-69页 |
| 参考文献 | 第69-72页 |
| 后记 | 第72-73页 |
