| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 导言 | 第6-7页 |
| 1.2 研究背景及意义 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.3.1 国外信用评分模型研究 | 第8-10页 |
| 1.3.2 国内信用评分模型研究 | 第10页 |
| 1.4 主要研究内容与研究思路 | 第10-13页 |
| 1.4.1 主要研究内容 | 第10-11页 |
| 1.4.2 主要研究思路 | 第11-13页 |
| 2 信用评分模型的相关理论 | 第13-32页 |
| 2.1 Logistic回归模型 | 第13-15页 |
| 2.2 解的稀疏性及Oracle性质 | 第15-16页 |
| 2.2.1 解的稀疏性 | 第15页 |
| 2.2.2 Oracle性质 | 第15-16页 |
| 2.3 变量选择的相关理论 | 第16-23页 |
| 2.3.1 最优子集选择方法 | 第16-18页 |
| 2.3.2 系数压缩法 | 第18页 |
| 2.3.3 岭估计 | 第18-20页 |
| 2.3.4 Lasso方法 | 第20-21页 |
| 2.3.5 Adaptive Lasso方法 | 第21-23页 |
| 2.4 相关算法研究 | 第23-28页 |
| 2.4.1 梯度下降法 | 第23-24页 |
| 2.4.2 LARS算法 | 第24-26页 |
| 2.4.3 LSA算法 | 第26-28页 |
| 2.5 模型的评估标准 | 第28-32页 |
| 2.5.1 混淆矩阵 | 第28-29页 |
| 2.5.2 ROC曲线和AUC值 | 第29-31页 |
| 2.5.3 KS曲线 | 第31页 |
| 2.5.4 CIER指标 | 第31-32页 |
| 3 实例分析 | 第32-42页 |
| 3.1 企业信用指标体系的构建 | 第32-34页 |
| 3.2 不平衡数据的预处理 | 第34-37页 |
| 3.3 基于Lasso变量选择的Logistic回归模型 | 第37-38页 |
| 3.4 基于Adaptive Lasso变量选择的Logistic回归模型 | 第38-42页 |
| 4 模型改进与对比分析 | 第42-51页 |
| 4.1 证据权重与信息价值 | 第42-43页 |
| 4.2 改进的Adaptive Lasso-Logistic模型 | 第43-46页 |
| 4.3 模型的预测与评价 | 第46-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-58页 |
