| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 违约客户识别方法研究 | 第10-11页 |
| 1.2.2 客户信用评级研究 | 第11-12页 |
| 1.3 研究内容与技术路线 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 1.4 主要创新点 | 第14-16页 |
| 1.4.1 选题角度创新 | 第14-15页 |
| 1.4.2 技术创新 | 第15-16页 |
| 2 商业银行信用卡核心系统数据预处理 | 第16-20页 |
| 2.1 商业银行个人信用卡敏感数据脱敏处理 | 第16页 |
| 2.2 商业银行个人信用卡缺失值处理 | 第16页 |
| 2.3 商业银行个人信用卡异常值处理 | 第16-18页 |
| 2.3.1 数据服从正态分布 | 第16-17页 |
| 2.3.2 数据不服从正态分布 | 第17-18页 |
| 2.4 商业银行个人信用卡噪声处理 | 第18页 |
| 2.5 商业银行个人信用卡不平衡数据处理 | 第18-19页 |
| 2.5.1 数据不平衡导致的失效性 | 第18页 |
| 2.5.2 下采样样本抽样法 | 第18-19页 |
| 2.6 商业银行个人信用卡数据离散化 | 第19页 |
| 2.7 商业银行个人信用卡数据集成 | 第19-20页 |
| 3 商业银行违约客户识别分类器模型构建 | 第20-36页 |
| 3.1 商业银行违约客户识别的统计模型 | 第20-25页 |
| 3.1.1 商业银行违约客户识别的logistic回归模型 | 第20-22页 |
| 3.1.2 商业银行违约客户识别的朴素bayes分类模型 | 第22-25页 |
| 3.2 商业银行违约客户识别的算法模型 | 第25-32页 |
| 3.2.1 商业银行违约客户识别的决策树模型 | 第25-28页 |
| 3.2.2 商业银行违约客户识别的支持向量机模型 | 第28-31页 |
| 3.2.3 商业银行违约客户识别的组合算法模型 | 第31-32页 |
| 3.3 模型绩效评价对比分析 | 第32-36页 |
| 3.3.1 模型指标评估指数对比分析 | 第32-33页 |
| 3.3.2 模型ROC绩效评估曲线对比分析 | 第33-36页 |
| 4 商业银行违约客户识别指标体系研究 | 第36-48页 |
| 4.1 商业银行违约客户指标选择 | 第36-37页 |
| 4.1.1 基于基尼熵信息的决策树指标选择 | 第36页 |
| 4.1.2 基于逐步回归法的logistic回归指标选择 | 第36-37页 |
| 4.2 影响客户违约的因素分析 | 第37-41页 |
| 4.2.1 定性变量的pearson2χ统计量列联分析 | 第37-40页 |
| 4.2.2 定量变量的图形检验法与异常值盖帽处理法 | 第40-41页 |
| 4.3 商业银行客户评分卡指标体系建设 | 第41-48页 |
| 4.3.1 商业银行评分指标WOE证据权重转换 | 第41页 |
| 4.3.2 商业银行评分指标体系权重设定 | 第41-47页 |
| 4.3.3 商业银行评分指标体系拟合优度检验 | 第47-48页 |
| 5 商业银行违约客户画像 | 第48-53页 |
| 5.1 违约客户基本属性偏向 | 第48-50页 |
| 5.1.1 基本属性 | 第48页 |
| 5.1.2 历史逾期行为 | 第48-49页 |
| 5.1.3 持卡理财偏好 | 第49-50页 |
| 5.2 违约客户活期存款开户时长 | 第50页 |
| 5.3 违约客户储蓄卡消费行为 | 第50-51页 |
| 5.4 违约客户贷款账户月均余额留存款 | 第51-52页 |
| 5.5 客户画像 | 第52-53页 |
| 6 结论与建议 | 第53-56页 |
| 6.1 模型理论总结 | 第53-54页 |
| 6.2 实际业务建议 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 科研成果及学术荣誉 | 第60-61页 |
| 附录 | 第61-67页 |
