商业银行信用卡违约概率评估的实证研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 论文研究背景 | 第13-14页 |
| 1.1.1 我国商业银行信用卡现状 | 第13-14页 |
| 1.1.2 监管要求 | 第14页 |
| 1.2 论文研究意义 | 第14-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 第二章 信用卡及信用评分相关理论介绍 | 第17-27页 |
| 2.1 信用卡及其风险分类 | 第17-20页 |
| 2.1.1 信用卡定义 | 第17页 |
| 2.1.2 信用卡分类 | 第17-18页 |
| 2.1.3 信用卡发展历程 | 第18页 |
| 2.1.4 信用卡风险 | 第18-20页 |
| 2.2 新资本协议对估计零售暴露违约概率的要求 | 第20-23页 |
| 2.2.1 零售风险暴露 | 第20-21页 |
| 2.2.2 测算要求 | 第21-22页 |
| 2.2.3 违约概率的评估方法 | 第22-23页 |
| 2.3 信用评分 | 第23-27页 |
| 2.3.1 信用评分的背景 | 第23-24页 |
| 2.3.2 评分卡的分类 | 第24-25页 |
| 2.3.3 行为评分及其应用 | 第25-27页 |
| 第三章 评分卡模型及其相关技术 | 第27-42页 |
| 3.1 评分卡模型开发流程 | 第27-33页 |
| 3.2 Logistic回归 | 第33-37页 |
| 3.2.1 Logistic回归方程 | 第33-34页 |
| 3.2.2 极大似然函数 | 第34-35页 |
| 3.2.3 Logistic模型统计检验 | 第35-37页 |
| 3.3 决策树 | 第37-39页 |
| 3.3.1 决策树的概念 | 第37-38页 |
| 3.3.2 决策树的构造 | 第38页 |
| 3.3.3 决策树的优缺点 | 第38页 |
| 3.3.4 CHAID决策树生成方法 | 第38-39页 |
| 3.4 模型验证方法 | 第39-42页 |
| 3.4.1 KS指标 | 第39页 |
| 3.4.2 ROC曲线 | 第39-42页 |
| 第四章 信用卡违约概率的实证研究 | 第42-72页 |
| 4.1 建模样本数据及预处理 | 第42-46页 |
| 4.1.1 业务定义与数据收集 | 第42-43页 |
| 4.1.2 模型分组与变量构造 | 第43-46页 |
| 4.1.3 数据整理清洗 | 第46页 |
| 4.2 变量分组及WOE计算 | 第46-59页 |
| 4.2.1 观察期末未逾期 | 第47-58页 |
| 4.2.2 观察期末已逾期 | 第58-59页 |
| 4.3 Logistic回归 | 第59-63页 |
| 4.3.1 观察期末未逾期 | 第59-61页 |
| 4.3.2 观察期末已逾期 | 第61-63页 |
| 4.4 信用评分卡的构建 | 第63-66页 |
| 4.5 模型评估 | 第66-72页 |
| 4.5.1 观察期末未逾期 | 第66-69页 |
| 4.5.2 观察期末已逾期 | 第69-72页 |
| 第五章 结论和建议 | 第72-76页 |
| 5.1 结论 | 第72-74页 |
| 5.1.1 影响信用卡客户违约概率的风险因素 | 第72-73页 |
| 5.1.2 影响模型准确度的可能原因 | 第73-74页 |
| 5.2 建议 | 第74-76页 |
| 5.2.1 对违约概率测算的建议 | 第74-75页 |
| 5.2.2 通过分池技术测算最终违约概率 | 第75页 |
| 5.2.3 帮助商业银行进行信用卡利率定价 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78页 |
