对消费金融行业个人信用评分模型的探究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 引言 | 第7-13页 |
| 1.1 研究背景及选题意义 | 第7-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 国外信用评分现状 | 第9-10页 |
| 1.2.2 国内信用评分现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 本文框架 | 第11-13页 |
| 2 个人信用风险评估体系 | 第13-17页 |
| 2.1.个人信用评分的相关概念 | 第13-14页 |
| 2.1.1 信用的概念 | 第13页 |
| 2.1.2 信用风险的概念 | 第13页 |
| 2.1.3 个人信用评分的概念 | 第13页 |
| 2.1.4 个人信用评分系统的重要性 | 第13-14页 |
| 2.1.5 个人信用评分的原则 | 第14页 |
| 2.2 传统信用评分模型和数据挖掘信用评分模型 | 第14-17页 |
| 2.2.1 传统信用评分模型 | 第14-15页 |
| 2.2.2 数据挖掘技术 | 第15-17页 |
| 3 个人信用评分模型的原理 | 第17-24页 |
| 3.1 决策树 | 第17-18页 |
| 3.2 朴素贝叶斯 | 第18-19页 |
| 3.3 支持向量机 | 第19-20页 |
| 3.4 Boosting算法 | 第20-24页 |
| 3.4.1 AdaBoost算法 | 第20-22页 |
| 3.4.2 Real AdaBoost算法 | 第22-24页 |
| 4 三种模型结果的比较 | 第24-35页 |
| 4.1 评价指标 | 第24-26页 |
| 4.2 数据的来源及预处理 | 第26-30页 |
| 4.2.1 数据的来源 | 第26页 |
| 4.2.2 数据预处理 | 第26-30页 |
| 4.3 实证分析 | 第30-33页 |
| 4.3.1 决策树 | 第30-31页 |
| 4.3.2 朴素贝叶斯 | 第31-32页 |
| 4.3.3 支持向量机 | 第32-33页 |
| 4.4 总结 | 第33-35页 |
| 5 结论与展望 | 第35-36页 |
| 致谢 | 第36-37页 |
| 参考文献 | 第37-39页 |
| 附录 | 第39-43页 |
