| 摘要 | 第2-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 本文的创新点及不足之处 | 第11-12页 |
| 1.2.1 本文的创新点 | 第11页 |
| 1.2.2 本文的不足之处 | 第11-12页 |
| 1.3 本文的研究内容与结构框架 | 第12-14页 |
| 1.3.1 本文的研究内容 | 第12页 |
| 1.3.2 本文的结构框架 | 第12-14页 |
| 2 研究综述 | 第14-21页 |
| 2.1 个人信用评分模型的文献综述 | 第14-16页 |
| 2.2 个人信用评分模型在中美个人征信市场上的应用 | 第16-19页 |
| 2.3 文献评述 | 第19-21页 |
| 3 个人消费信用评分模型的数据准备及预处理 | 第21-27页 |
| 3.1 数据来源 | 第21-23页 |
| 3.2 个人消费信用评价指标体系的构建 | 第23-24页 |
| 3.3 数据预处理 | 第24-27页 |
| 3.3.1 缺失值处理 | 第24-25页 |
| 3.3.2 异常值处理 | 第25-27页 |
| 4 个人消费信用评分模型的建立 | 第27-46页 |
| 4.1 基于模糊层次分析法的个人消费信用评分模型的建立 | 第27-35页 |
| 4.1.1 模糊层次分析法的介绍 | 第27-31页 |
| 4.1.2 基于模糊层次分析法的个人消费信用评分的实证分析 | 第31-35页 |
| 4.2 基于灰色综合评价的个人消费信用评分模型的建立 | 第35-40页 |
| 4.2.1 灰色综合评价的介绍 | 第35-37页 |
| 4.2.2 基于灰色综合评价的个人消费信用评分的实证分析 | 第37-40页 |
| 4.3 基于Logistic回归的个人消费信用评分模型的建立 | 第40-43页 |
| 4.3.1 Logistic回归的介绍 | 第40-41页 |
| 4.3.2 基于Logistic回归的个人消费信用评分的实证分析 | 第41-43页 |
| 4.4 基于粒子群优化算法的组合个人消费信用评分模型的建立 | 第43-46页 |
| 4.4.1 粒子群优化算法的介绍 | 第43-44页 |
| 4.4.2 基于组合模型的个人消费信用评分的实证分析 | 第44-46页 |
| 5 个人消费信用评分模型的评价 | 第46-50页 |
| 5.1 基于第二类错误率的个人消费信用评分模型的评价 | 第46-47页 |
| 5.2 基于AUC值的个人消费信用评分模型的评价 | 第47-49页 |
| 5.3 基于KS值的个人消费信用评分模型的评价 | 第49-50页 |
| 6 结论建议与展望 | 第50-53页 |
| 6.1 研究结论 | 第50页 |
| 6.2 研究建议 | 第50-51页 |
| 6.3 研究展望 | 第51-53页 |
| 附录 | 第53-56页 |
| 参考文献 | 第56-60页 |
| 后记 | 第60-61页 |
