長久以來,不良資產問題困擾著各個銀行,成為銀行業(yè)面臨的主要金融風險,直接威脅著銀行的生存和發(fā)展。而在銀行的眾多風險中,信用風險又是最容易發(fā)生的,所以信用風險管理就成為銀行管理的重中之重。但是部分銀行為預防信用風險會采取過于極端和消極的措施,比如對主觀認為會違約的客戶直接拒絕其貸款要求。這不僅不能從根本上解決問題,甚至會使銀行失去很大一部分優(yōu)質客戶。為了加強銀行的信用風險管理,在貸款業(yè)務上既能滿足客戶要求,又能有效降低信用風險,減少不良貸款,本文將數(shù)據(jù)挖掘中的一些方法應用到銀行的信用風險研究及應用中,將其與經濟學科的理論交叉結合,通過一些實驗證明了整體信用評估的有效性和科學性,并在此基礎上提出一些具有可操作性的建議。具體內容包括:（1）介紹了本文用到的統(tǒng)計方法,包括隨機森林算法和主成分分析法,以及經濟學中的理論模型,比如客戶關系管理中的RFM（Recency、Frequency、Monetary）模型和營銷中常見的STP（Segmentation、Targeting、Positioning）理論。（2）針對隨機森林的優(yōu)勢和RFM模型的特點,將兩者相結合,通過實驗對比發(fā)現(xiàn)正確率有效提升,所... 

【文章來源】：安慶師范大學安徽省

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文內容及組織結構
    1.4 本章小結
第二章 分類算法及特征選擇
    2.1 機器學習的概念
    2.2 機器學習常用模型
        2.2.1 支持向量機
        2.2.2 人工神經網絡
        2.2.3 貝葉斯方法
        2.2.4 決策樹
    2.3 特征選擇
        2.3.1 特征選擇的概念
        2.3.2 主成分分析法
    2.4 模型對比及分析
    2.5 本章小結
第三章 經濟學理論及模型
    3.1 CRM分析模式
    3.2 RFM模型
        3.2.1 RFM模型介紹
        3.2.2 RFM模型重構
    3.3 STP理論
    3.4 本章小結
第四章 實證分析
    4.1 銀行數(shù)據(jù)預處理及特征描述
        4.1.1 數(shù)據(jù)預處理
        4.1.2 特征交叉分析
    4.2 基于隨機森林的銀行信用風險分析
    4.3 主成分對銀行信用風險的分析
    4.4 基于主成分的STP理論對信用風險的建議
    4.5 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻
附錄：讀研期間科研情況


【參考文獻】：
期刊論文
[1]大數(shù)據(jù)時代商業(yè)銀行的客戶信用風險管理研究[J]. 邵許生.  時代金融. 2016(20)
[2]博弈論視角下的感知信用評價體系研究[J]. 唐浩坤,溫濤,鄒芳莉.  軟科學. 2016(05)
[3]淺談銀行系統(tǒng)信用評級和實現(xiàn)[J]. 蘇建生.  科技展望. 2016(13)
[4]基于灰區(qū)間關聯(lián)分析的銀行個人信用優(yōu)化評估模型[J]. 李步軍,高玉紅,王繼順.  數(shù)學的實踐與認識. 2016(09)
[5]基于隨機森林算法的綠色信貸信用風險評估研究[J]. 李進.  金融理論與實踐. 2015(11)
[6]基于隨機森林的個人信用評估模型研究及實證分析[J]. 蕭超武,蔡文學,黃曉宇,陳康.  管理現(xiàn)代化. 2014(06)
[7]信用突變下商業(yè)銀行信用風險預警的實證研究——基于偏好熵權物元可拓模型的分析[J]. 顧海峰.  審計與經濟研究. 2014(03)
[8]基于KMV模型的中國商業(yè)銀行信用風險評估[J]. 尹麗.  統(tǒng)計與決策. 2013(06)
[9]基于主成分分析的商業(yè)銀行信貸風險評價[J]. 蘇柳柳,都沁軍.  石家莊經濟學院學報. 2013(01)

碩士論文
[1]隨機森林在個人信用評估中的應用研究[D]. 李泉.江西財經大學 2016
[2]基于聚類分析的H銀行客戶細分及營銷策略研究[D]. 樊仙仙.華東理工大學 2016



本文編號：3039857