| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10页 |
| 1.2 研究思路与论文框架 | 第10-13页 |
| 1.2.1 研究思路 | 第10-11页 |
| 1.2.2 论文框架 | 第11-13页 |
| 1.3 本文的主要创新点 | 第13-15页 |
| 第2章 国内外研究综述 | 第15-31页 |
| 2.1 概述 | 第15-18页 |
| 2.1.1 国外个人征信体系发展情况 | 第15页 |
| 2.1.2 我国个人征信体系发展情况 | 第15-18页 |
| 2.2 国外个人信用评估研究综述 | 第18-21页 |
| 2.2.1 国外个人信用评估实践研究 | 第18-19页 |
| 2.2.2 国外个人信用评估方法研究 | 第19-21页 |
| 2.3 国内个人信用评估研究综述 | 第21-25页 |
| 2.3.1 国内个人信用评估实践研究 | 第21-22页 |
| 2.3.2 国内个人信用评估方法研究 | 第22-25页 |
| 2.4 个人征信体系的模式研究 | 第25-29页 |
| 2.4.1 国外个人征信体系的模式 | 第25-27页 |
| 2.4.2 国内个人征信体系的模式 | 第27-29页 |
| 2.5 文献简评 | 第29-31页 |
| 第3章 大数据征信及电信运营大数据 | 第31-37页 |
| 3.1 大数据征信概述 | 第31-34页 |
| 3.1.1 大数据时代的征信新特点 | 第31-32页 |
| 3.1.2 大数据关键技术 | 第32-34页 |
| 3.2 电信运营商数据作为征信数据源的优势分析 | 第34-35页 |
| 3.3 电信运营数据在个人征信评估领域的使用价值 | 第35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于电信运营大数据的个人征信评估方法 | 第37-43页 |
| 4.1 贷前评估 | 第37-39页 |
| 4.1.1 用户基本信息 | 第38页 |
| 4.1.2 用户账单 | 第38页 |
| 4.1.3 漫游状态 | 第38-39页 |
| 4.1.4 通信记录 | 第39页 |
| 4.1.5 多指标聚类分析 | 第39页 |
| 4.2 贷中审核 | 第39-41页 |
| 4.2.1 通话行为特点分析 | 第40页 |
| 4.2.2 社交网络识别 | 第40-41页 |
| 4.3 贷后风控 | 第41-42页 |
| 4.3.1 通信行为 | 第41页 |
| 4.3.2 位置行为 | 第41-42页 |
| 4.3.3 网络行为 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于电信大数据的征信评估模型及应用 | 第43-61页 |
| 5.1 基础算法阐述 | 第43-51页 |
| 5.1.1 用户位置获取技术 | 第44-45页 |
| 5.1.2 构造时空向量空间 | 第45-46页 |
| 5.1.3 平面信号的滤波预处理 | 第46-47页 |
| 5.1.4 基于k-means算法的平面点集聚类分析 | 第47-48页 |
| 5.1.5 直方图法统计时点分布特征 | 第48-51页 |
| 5.2 算法效果分析 | 第51-57页 |
| 5.2.1 模型开发背景与测试样本库 | 第51-52页 |
| 5.2.2 初始风控模型 | 第52页 |
| 5.2.3 改进风控模型 | 第52-54页 |
| 5.2.4 模型评测与对比分析 | 第54-57页 |
| 5.3 系统实现 | 第57-60页 |
| 5.3.1 MPP+Hadoop基础技术平台 | 第57-58页 |
| 5.3.2 大数据风控子系统架构 | 第58页 |
| 5.3.3 风控决策审批流程设计 | 第58-60页 |
| 5.3.4 系统其他功能组件 | 第60页 |
| 5.4 算法和系统应用前景 | 第60-61页 |
| 第6章 结束语 | 第61-67页 |
| 6.1 研究局限及存在问题 | 第61-62页 |
| 6.2 改进建议与展望 | 第62-66页 |
| 6.2.1 改进建议 | 第62-63页 |
| 6.2.2 个人客户信用评估与隐私保护 | 第63-66页 |
| 6.3 结束语 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |