基于多源数据的贷后风险指标学习与预测
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 问题描述 | 第13-14页 |
| 1.3 本文工作 | 第14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 融合多源数据的贷后风险评估框架 | 第15-21页 |
| 2.1 相关工作 | 第15-16页 |
| 2.2 贷后风险管理流程优化 | 第16-17页 |
| 2.3 面向贷后风险评估的多源数据融合 | 第17-18页 |
| 2.4 基于多源数据的贷后风险评估框架 | 第18-21页 |
| 第3章 基于多源数据的贷后风险指标学习 | 第21-35页 |
| 3.1 相关工作 | 第21-22页 |
| 3.2 基于多源数据的特征选择和有效性分析 | 第22-25页 |
| 3.2.1 基本概念 | 第22页 |
| 3.2.2 基于信息增益的属性相关性分析 | 第22-23页 |
| 3.2.3 概率包裹式特征选择 | 第23-25页 |
| 3.3 行业数据和地区数据与贷后风险的关联性分析 | 第25-27页 |
| 3.3.1 贷后风险的行业关联性分析 | 第25-26页 |
| 3.3.2 地区经济指标的关联性分析 | 第26-27页 |
| 3.4 验证分析 | 第27-35页 |
| 3.4.1 数据集描述 | 第27-28页 |
| 3.4.2 数据预处理 | 第28-29页 |
| 3.4.3 指标有效性分析 | 第29-35页 |
| 第4章 基于滑动时间窗口的贷后风险预测模型 | 第35-43页 |
| 4.1 信贷周期性模式分析 | 第35页 |
| 4.2 相关工作 | 第35-37页 |
| 4.3 基于平滑移动窗口的贷后风险预测 | 第37-40页 |
| 4.3.1 风险预测学习器 | 第37页 |
| 4.3.2 基于滑动窗口的风险预测模型 | 第37-40页 |
| 4.4 实验 | 第40-43页 |
| 第5章 基于不良样本反馈机制的贷后风险预测 | 第43-50页 |
| 5.1 相关工作 | 第43-44页 |
| 5.2 不良数据样本的动态反馈分析 | 第44-46页 |
| 5.2.1 基于不良样本的数据筛选 | 第44-45页 |
| 5.2.2 基于粒子群的特征重要性优化 | 第45-46页 |
| 5.3 实验 | 第46-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 本文总结 | 第50-51页 |
| 6.2 未来工作 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间参与的项目 | 第56-57页 |
| 附件 | 第57页 |
