本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的郵儲(chǔ)銀行信用卡客戶風(fēng)險(xiǎn)評(píng)估模型

  更多相關(guān)文章： 風(fēng)險(xiǎn)評(píng)估模型 信用評(píng)分 郵儲(chǔ)銀行 神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著金融市場(chǎng)的高速發(fā)展,其面臨的安全問題也日益凸顯出來(lái)。建立符合我國(guó)銀行特點(diǎn)的風(fēng)險(xiǎn)管控技術(shù)是保障商業(yè)銀行拓展新利潤(rùn)增長(zhǎng)點(diǎn)及信用卡業(yè)務(wù)穩(wěn)定發(fā)展的需要。雖然現(xiàn)在已經(jīng)有許多針對(duì)信用評(píng)分的研究,但由于郵儲(chǔ)銀行信用卡管理規(guī)范的特殊性及客戶群體的差異性,現(xiàn)有模型和方法并不能完全適用于郵儲(chǔ)銀行信用卡的風(fēng)險(xiǎn)評(píng)估管理。根據(jù)郵儲(chǔ)銀行的客戶特點(diǎn),本文利用數(shù)據(jù)挖掘方法對(duì)原有的信用評(píng)估模型進(jìn)行改進(jìn),使其能更好的進(jìn)行審核、評(píng)估,有效規(guī)避信用風(fēng)險(xiǎn)。本文的主要工作如下：一是在分析郵儲(chǔ)銀行客戶特點(diǎn)的基礎(chǔ)上建立了準(zhǔn)入資格和履約情況兩種個(gè)人信用卡風(fēng)險(xiǎn)評(píng)級(jí)指標(biāo)體系,并應(yīng)用加權(quán)平方和方法確定指標(biāo)項(xiàng)權(quán)重系數(shù),通過測(cè)試表明在兩種指標(biāo)體系下的審核結(jié)果均符合客戶的實(shí)際情況,具有有效性和適用性；二是結(jié)合建立的指標(biāo)體系,運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法優(yōu)化原有的郵儲(chǔ)銀行信用風(fēng)險(xiǎn)評(píng)估模型,以實(shí)際郵儲(chǔ)銀行客戶數(shù)據(jù)為樣本,通過基于分類回歸樹法、Bayes判別式分析法、神經(jīng)網(wǎng)絡(luò)法對(duì)信用評(píng)估模型進(jìn)行對(duì)比測(cè)試,實(shí)驗(yàn)結(jié)果表明改進(jìn)后神經(jīng)網(wǎng)絡(luò)信用評(píng)估模型的預(yù)測(cè)具有較高的準(zhǔn)確率,有一定的實(shí)際應(yīng)用價(jià)值。
【關(guān)鍵詞】：風(fēng)險(xiǎn)評(píng)估模型 信用評(píng)分 郵儲(chǔ)銀行 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F618.3;F832.2;TP311.13
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-18
• 1.1 論文的選題背景8-9
• 1.2 郵儲(chǔ)銀行信用卡發(fā)展情況9-15
• 1.2.1 信用卡的概述9-11
• 1.2.2 郵儲(chǔ)銀行信用卡分類11-12
• 1.2.3 郵儲(chǔ)銀行信用卡的發(fā)展現(xiàn)狀12-15
• 1.3 郵儲(chǔ)銀行信用卡的發(fā)展主要存在的問題15-16
• 1.4 本文組織16-18
• 第二章 基于數(shù)據(jù)挖掘的信用風(fēng)險(xiǎn)評(píng)分研究現(xiàn)狀18-25
• 2.1 信用風(fēng)險(xiǎn)及信用風(fēng)險(xiǎn)評(píng)分概述18-19
• 2.2 信用風(fēng)險(xiǎn)評(píng)價(jià)國(guó)內(nèi)外研究現(xiàn)狀概述19-21
• 2.3 幾種常用的信用風(fēng)險(xiǎn)評(píng)估模型比較研究21-24
• 2.3.1 層次分析法過程22-23
• 2.3.2 基于決策樹方法的過程23
• 2.3.3 VaR方法應(yīng)用23-24
• 2.4 本章小結(jié)24-25
• 第三章 基于優(yōu)化加權(quán)平方和法的信用評(píng)分指標(biāo)體系25-36
• 3.1 信用評(píng)估指標(biāo)體系的特點(diǎn)26
• 3.2 基于郵儲(chǔ)銀行客戶特點(diǎn)改進(jìn)個(gè)人信用評(píng)估指標(biāo)體系26-31
• 3.3 基于加權(quán)平方和法進(jìn)行指標(biāo)體系權(quán)重分配31-34
• 3.3.1 加權(quán)平方和法31-32
• 3.3.2 基于平方和法對(duì)郵儲(chǔ)銀行信用評(píng)價(jià)指標(biāo)進(jìn)行權(quán)重分配32-33
• 3.3.3 基于專業(yè)分析建立判斷矩陣33
• 3.3.4 權(quán)重分配結(jié)果33-34
• 3.3.5 基于郵儲(chǔ)銀行數(shù)據(jù)特點(diǎn)的指標(biāo)權(quán)重分配比例說(shuō)明34
• 3.4 本章小結(jié)34-36
• 第四章 基于數(shù)據(jù)挖掘方法優(yōu)化信用評(píng)估模型36-51
• 4.1 構(gòu)造信用評(píng)估模型的流程36-37
• 4.2 三種常用的風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)挖掘方法37-38
• 4.3 神經(jīng)網(wǎng)絡(luò)基本理論及BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法38-40
• 4.4 BP神經(jīng)網(wǎng)絡(luò)的算法流程40-41
• 4.5 基于BP神經(jīng)網(wǎng)絡(luò)方法改進(jìn)的郵儲(chǔ)銀行信用評(píng)估模型41-47
• 4.5.1 客戶樣本的選取42
• 4.5.2 數(shù)據(jù)預(yù)處理42-43
• 4.5.3 案例分析論證43-46
• 4.5.4 結(jié)果比較46-47
• 4.6 基于神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)評(píng)估模型性能評(píng)測(cè)47-50
• 4.6.1 分類回歸樹模型測(cè)試情況48
• 4.6.2 Bayes判別式分析法模型測(cè)試情況48-49
• 4.6.3 神經(jīng)網(wǎng)絡(luò)模型測(cè)試情況49-50
• 4.6.4 基于郵儲(chǔ)銀行數(shù)據(jù)的數(shù)據(jù)挖掘方法建模測(cè)試結(jié)果比較分析50
• 4.7 本章小結(jié)50-51
• 第五章 總結(jié)與展望51-53
• 參考文獻(xiàn)53-57
• 致謝57-58
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄58

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 周玉;錢旭;張俊彩;孔敏;;可拓神經(jīng)網(wǎng)絡(luò)研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2010年01期

2 張璐陽(yáng);;我國(guó)商業(yè)銀行構(gòu)建內(nèi)部評(píng)級(jí)體系與信用風(fēng)險(xiǎn)管理研究[J];中國(guó)農(nóng)業(yè)銀行武漢培訓(xùn)學(xué)院學(xué)報(bào);2010年02期

3 謝群;程程;;變革中的銀行信用風(fēng)險(xiǎn)管理[J];金融電子化;2013年01期

4 鐘齊;;談我國(guó)商業(yè)銀行對(duì)企業(yè)信用評(píng)級(jí)的指標(biāo)體系構(gòu)建[J];企業(yè)家天地下半月刊(理論版);2010年03期

5 李東峰;;銀行卡在農(nóng)村推廣緩慢的原因及對(duì)策[J];中國(guó)信用卡;2012年05期

，

本文編號(hào)：781829