基于组合模型的个人信用评估研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的及意义 | 第10页 |
| 1.2 文献综述 | 第10-11页 |
| 1.2.1 国外文献综述 | 第10-11页 |
| 1.2.2 国内文献综述 | 第11页 |
| 1.3 研究思路与方法 | 第11-12页 |
| 1.3.1 研究思路 | 第11-12页 |
| 1.3.2 研究方法 | 第12页 |
| 1.4 研究内容及结构 | 第12-14页 |
| 第二章 特征工程 | 第14-23页 |
| 2.1 数据处理 | 第14-15页 |
| 2.2 特征衍生 | 第15页 |
| 2.3 特征分箱 | 第15-17页 |
| 2.3.1 卡方分箱法 | 第15-16页 |
| 2.3.2 Best-KS分箱法 | 第16-17页 |
| 2.3.3 无监督分箱法 | 第17页 |
| 2.4 特征编码 | 第17-18页 |
| 2.5 特征选择 | 第18-23页 |
| 2.5.1 包裹法 | 第18页 |
| 2.5.2 过滤法 | 第18-19页 |
| 2.5.3 嵌入法 | 第19-21页 |
| 2.5.4 IV特征选择法 | 第21-22页 |
| 2.5.5 单变量、多变量分析 | 第22-23页 |
| 第三章 个人信用评估模型的理论 | 第23-36页 |
| 3.1 逻辑回归模型理论 | 第23-24页 |
| 3.2 GBDT模型理论 | 第24-26页 |
| 3.3 随机森林模型理论 | 第26-27页 |
| 3.4 人工神经网络模型理论 | 第27-34页 |
| 3.4.1 人工神经元结构模型 | 第28页 |
| 3.4.2 前馈型神经网络 | 第28-33页 |
| 3.4.3 反馈型神经网络 | 第33页 |
| 3.4.4 前馈型神经网络与反馈型神经网络的区别 | 第33-34页 |
| 3.5 组合模型 | 第34页 |
| 3.6 模型评价及比较分析 | 第34-36页 |
| 3.6.1 KS值 | 第35页 |
| 3.6.2 AR值 | 第35-36页 |
| 第四章 个人信用评估模型建立及评价 | 第36-47页 |
| 4.1 特征工程 | 第36-41页 |
| 4.1.1 建模数据及特征衍生 | 第36-38页 |
| 4.1.2 特征分箱、WOE编码及IV值计算 | 第38-40页 |
| 4.1.3 特征选择 | 第40-41页 |
| 4.2 逻辑回归模型 | 第41-42页 |
| 4.3 神经网络-逻辑回归组合模型 | 第42-43页 |
| 4.4 随机森林-逻辑回归组合模型 | 第43-44页 |
| 4.5 GBDT-逻辑回归组合模型 | 第44-46页 |
| 4.6 模型评价及对比分析 | 第46-47页 |
| 第五章 结论与展望 | 第47-48页 |
| 5.1 研究结论 | 第47页 |
| 5.2 不足及展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 附录 | 第50-58页 |
| 致谢 | 第58-59页 |
