四种数据挖掘算法的信用卡违约识别对比研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-10页 |
| 1.1.1 现实背景 | 第8-9页 |
| 1.1.2 理论背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.2.1 理论意义 | 第10页 |
| 1.2.2 现实意义 | 第10-11页 |
| 1.3 研究思路与主要内容 | 第11-13页 |
| 1.3.1 研究思路 | 第11页 |
| 1.3.2 研究方法 | 第11-12页 |
| 1.3.3 主要内容 | 第12-13页 |
| 1.4 创新点 | 第13-14页 |
| 2 文献和理论回顾 | 第14-25页 |
| 2.1 信用卡违约问题研究 | 第14-16页 |
| 2.1.1 信用卡风险的成因和防范的研究 | 第14页 |
| 2.1.2 信用卡违约的影响因素、评价指标研究 | 第14-15页 |
| 2.1.3 信用卡违约的判别研究 | 第15-16页 |
| 2.2 信用风险理论方面的研究 | 第16-17页 |
| 2.2.1 信息不对称理论 | 第16页 |
| 2.2.2 周期理性理论 | 第16-17页 |
| 2.2.3 商务智能决策理论 | 第17页 |
| 2.3 信用卡违约风险管理技术 | 第17-24页 |
| 2.3.1 评分模型研究 | 第17-18页 |
| 2.3.2 机器学习算法 | 第18-23页 |
| 2.3.3 内部评级法 | 第23-24页 |
| 2.4 文献理论回顾小结 | 第24-25页 |
| 3 信用卡违约风险管理综述 | 第25-33页 |
| 3.1 《巴赛尔资本协议》与银行信用风险管理 | 第25-27页 |
| 3.1.1 《巴赛尔资本协议Ⅱ》的主要内容 | 第25-26页 |
| 3.1.2 中国版“巴塞尔Ⅲ” | 第26页 |
| 3.1.3 《新巴塞尔资本协议》的内部评级法 | 第26-27页 |
| 3.2 我国信用卡的基本情况 | 第27-30页 |
| 3.3 信用卡业务风险类型 | 第30-31页 |
| 3.3.1 违约风险 | 第30页 |
| 3.3.2 操作风险 | 第30页 |
| 3.3.3 技术风险 | 第30-31页 |
| 3.3.4 盗窃风险 | 第31页 |
| 3.4 信用卡违约风险是我国信用卡管理的关键 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 信用卡违约问题算法选择与模型构建 | 第33-42页 |
| 4.1 算法的性能评价指标 | 第33-34页 |
| 4.2 模拟实验 | 第34-38页 |
| 4.2.1 实验过程 | 第34-35页 |
| 4.2.2 实验结果 | 第35-38页 |
| 4.3 模型构建 | 第38-41页 |
| 4.4 研究小结 | 第41-42页 |
| 5 实证分析 | 第42-55页 |
| 5.1 数据与实验环境 | 第42页 |
| 5.2 数据可信度检验 | 第42-43页 |
| 5.3 数据描述 | 第43-46页 |
| 5.3.1 性别和信用卡违约的关系 | 第43-44页 |
| 5.3.2 文化水平和信用卡违约的关系 | 第44页 |
| 5.3.3 婚姻和信用卡违约的关系 | 第44-45页 |
| 5.3.4 年龄和信用卡违约的关系 | 第45-46页 |
| 5.4 数据预处理 | 第46-49页 |
| 5.4.1 Min–Max标准化方法 | 第47页 |
| 5.4.2 Z-score标准化方法 | 第47页 |
| 5.4.3 相关性 | 第47-48页 |
| 5.4.4 交叉类与是否违约的关系 | 第48-49页 |
| 5.5 实验流程 | 第49-50页 |
| 5.6 评估指标与预测结果 | 第50页 |
| 5.7 实验结果与讨论 | 第50-54页 |
| 5.8 研究小结 | 第54-55页 |
| 6 结论与展望 | 第55-58页 |
| 6.1 研究结论及创新 | 第55-56页 |
| 6.1.1 研究结论 | 第55-56页 |
| 6.1.2 研究创新 | 第56页 |
| 6.2 管理意义 | 第56-57页 |
| 6.3 研究局限性与未来展望 | 第57-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-67页 |
