基于大数据的个人信用风险评估模型研究
| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第16-32页 |
| 1.1 选题背景与研究意义 | 第16-20页 |
| 1.1.1 研究背景 | 第16-19页 |
| 1.1.2 研究意义 | 第19-20页 |
| 1.2 研究框架、研究内容与论文结构 | 第20-25页 |
| 1.2.1 总体研究框架 | 第20-21页 |
| 1.2.2 主要研究内容 | 第21-23页 |
| 1.2.3 论文结构框架 | 第23-25页 |
| 1.3 研究思路、方法与技术路线 | 第25-29页 |
| 1.3.1 研究思路 | 第25-27页 |
| 1.3.2 研究方法 | 第27页 |
| 1.3.3 技术路线 | 第27-29页 |
| 1.4 研究重点和难点 | 第29-30页 |
| 1.5 论文可能的创新点与不足之处 | 第30-32页 |
| 第2章 相关研究文献综述 | 第32-51页 |
| 2.1 互联网金融风险研究 | 第32-33页 |
| 2.2 大数据与金融研究 | 第33-37页 |
| 2.3 信用风险及评估模型研究 | 第37-45页 |
| 2.4 个人信用评分系统研究 | 第45-48页 |
| 2.5 国内外研究现状述评 | 第48-51页 |
| 2.5.1 研究现状述评 | 第48-49页 |
| 2.5.2 有待进一步研究的问题 | 第49-51页 |
| 第3章 大数据环境下个人信用风险评估模型研究框架 | 第51-59页 |
| 3.1 引言 | 第51-52页 |
| 3.2 数据基础 | 第52-54页 |
| 3.3 表现定义及逻辑 | 第54-55页 |
| 3.4 样本分类和抽样方案 | 第55-56页 |
| 3.5 CreditNet模型的逻辑架构 | 第56-57页 |
| 3.6 CreditNet模型的研究架构 | 第57-59页 |
| 第4章 基于大数据的用户画像与数据预处理方法 | 第59-84页 |
| 4.1 引言 | 第59页 |
| 4.2 用户画像及其构建方法 | 第59-66页 |
| 4.2.1 用户画像的概念 | 第59-62页 |
| 4.2.2 用户画像的构建 | 第62-66页 |
| 4.3 构建用户信用画像 | 第66-69页 |
| 4.4 变量衍生 | 第69-70页 |
| 4.5 大数据预处理 | 第70-77页 |
| 4.5.1 数据收集 | 第70-71页 |
| 4.5.2 数据核对 | 第71-74页 |
| 4.5.3 数据清洗 | 第74-77页 |
| 4.6 单变量分析 | 第77-81页 |
| 4.7 多变量分析 | 第81-83页 |
| 4.8 大数据的处理流程 | 第83-84页 |
| 第5章 个人信用风险评估RF-L核模型 | 第84-113页 |
| 5.1 引言 | 第84页 |
| 5.2 Bootstrap抽样 | 第84-86页 |
| 5.3 决策树模型 | 第86-98页 |
| 5.3.1 决策树概述 | 第86-88页 |
| 5.3.2 决策树节点纯度的度量 | 第88-91页 |
| 5.3.3 决策树节点分裂算法 | 第91-97页 |
| 5.3.4 决策树的剪枝 | 第97-98页 |
| 5.3.5 决策树模型的不足之处 | 第98页 |
| 5.4 随机森林模型 | 第98-108页 |
| 5.4.1 随机森林概述 | 第98-99页 |
| 5.4.2 随机森林相关理论 | 第99-103页 |
| 5.4.3 随机森林的构建 | 第103-106页 |
| 5.4.4 随机森林的随机性分析 | 第106-108页 |
| 5.5 Logistic回归模型 | 第108-109页 |
| 5.6 构建RF-L核模型 | 第109-113页 |
| 第6章 大数据环境下的集成学习算法 | 第113-120页 |
| 6.1 引言 | 第113页 |
| 6.2 分类器集成 | 第113-115页 |
| 6.3 AdaBoost集成学习算法 | 第115-118页 |
| 6.4 分类子模型的集成 | 第118-120页 |
| 第7章 测试结果、实证效果与应用展望 | 第120-134页 |
| 7.1 测试结果分析 | 第120-125页 |
| 7.1.1 重要变量区分能力分析 | 第120-121页 |
| 7.1.2 交互型变量区分能力分析 | 第121-122页 |
| 7.1.3 模型区分能力及稳定性分析 | 第122-124页 |
| 7.1.4 模型结果对比分析 | 第124-125页 |
| 7.2 CreditNet模型实际测试结果 | 第125-129页 |
| 7.2.1 某股份制商业银行测试结果 | 第125-128页 |
| 7.2.2 某P2P公司测试结果 | 第128-129页 |
| 7.3 应用场景展望 | 第129-134页 |
| 7.3.1 授信审批自动化 | 第129-131页 |
| 7.3.2 征信多元化 | 第131页 |
| 7.3.3 风险监控与预警及时化 | 第131-134页 |
| 第8章 结论 | 第134-137页 |
| 8.1 模型优点总结 | 第134-136页 |
| 8.2 下一步研究方向 | 第136-137页 |
| 参考文献 | 第137-152页 |
| 致谢 | 第152-153页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第153-154页 |
