隨著我國市場經(jīng)濟體制的不斷完善,越來越多的個人逐漸接納個人信貸這種消費模式,個人信貸在銀行貸款業(yè)務(wù)中所占的份額也不斷上升。但是由于個人信用的缺失,個人信貸的風(fēng)險也逐漸凸顯。個人信貸違約對銀行信貸業(yè)務(wù)造成了嚴(yán)重的沖擊,成為銀行迅速發(fā)展壯大的阻礙。如何有效的預(yù)測借貸人是否能夠如期還款對于商業(yè)銀行具有重要的意義。本文通過分析個人信貸業(yè)務(wù)的需求,結(jié)合現(xiàn)有系統(tǒng)開發(fā)工具,設(shè)計并實現(xiàn)了以集成學(xué)習(xí)算法為基礎(chǔ)的個人信貸決策系統(tǒng)。本文設(shè)計實現(xiàn)的個人信貸決策系統(tǒng)包括個人信貸評估模塊、數(shù)據(jù)庫模塊和系統(tǒng)管理界面三個部分。其中個人信貸評估模塊采用當(dāng)前主流的集成學(xué)習(xí)算法,使用支持向量機、隨機森林、XGBoost、Light GBM四個模型作為基學(xué)習(xí)器,通過相對多數(shù)投票的方式進行模型融合,得到個人信貸決策模型,該模塊同時完成客戶信用指標(biāo)的提取、數(shù)據(jù)預(yù)處理、標(biāo)準(zhǔn)化等數(shù)據(jù)處理操作,最后使用面向?qū)ο蟮脑O(shè)計方式對個人信貸決策模型進行封裝,對外提供統(tǒng)一的調(diào)用接口。數(shù)據(jù)庫模塊主要包括員工信息表、客戶信息表、模型預(yù)測結(jié)果存儲表、模型超參數(shù)調(diào)優(yōu)表的設(shè)計。系統(tǒng)操作界面采用基于C/S架構(gòu)的Java Swing技術(shù)為個人信貸決策系統(tǒng)的使用... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

Bagging基本原理

3 個人信貸決策模型的設(shè)計與構(gòu)建估指標(biāo)的選擇必須綜合考慮各方面的因素，從不同的角度評估借貸客戶違約的可能性。本文在分析了國外具有代表性的商業(yè)銀行的評估指標(biāo)后，結(jié)合國內(nèi)商業(yè)銀行的評估指標(biāo)，將個人信用評估指標(biāo)分為個人指標(biāo)、社會指標(biāo)、經(jīng)濟指標(biāo)三大類。其中社會指標(biāo)主要指借貸客戶以往的個人信用記錄，這部分的指標(biāo)主要反映借貸人償還貸款的主觀意愿；經(jīng)濟指標(biāo)主要包括個人年收入、當(dāng)前的負(fù)債狀況等，這部分指標(biāo)主要反映客戶當(dāng)前的還款能力；個人指標(biāo)包括工齡、受教育程度、年齡等，這部分指標(biāo)是個人信用風(fēng)險評估的基本指標(biāo)[34]。在考慮了個人信用評估指標(biāo)的科學(xué)性和可獲取性后，下圖給出了本文構(gòu)建個人信貸決策模型時所選擇的個人信用評估指標(biāo)。

主觀意愿這三個部分對應(yīng)于經(jīng)過特征提取后，個人信貸決策模型輸入征信息，共 21 維信用評價指標(biāo)。在參考了國外先進銀行對個人信用評并結(jié)合我國商業(yè)銀行業(yè)務(wù)模式后，將其中部分個人信用評估指標(biāo)進行工作單位細(xì)分為國家黨政機關(guān)、事業(yè)單位、國有企業(yè)、私營企業(yè)、個體戶受教育程度細(xì)分為碩士研究生及以上、大學(xué)本科、大專、高中(中專)、；婚姻狀況細(xì)分為已婚、未婚、離異、喪偶；申貸時陪同人員細(xì)分為無家人、同事、其他。經(jīng)過特征提取后的個人信用評估指標(biāo)構(gòu)成了個人信型的輸入，下面將對這部分特征進行處理。 數(shù)據(jù)預(yù)處理個人信用評估指標(biāo)中，存在著職業(yè)、是否有車、受教育程度、是否有房況、申貸時陪同人員、性別等離散型數(shù)據(jù)，對這些數(shù)據(jù)需要進行量化處理、個人信貸逾期總金額、申貸前一個月征信次數(shù)等連續(xù)型數(shù)據(jù)也存在著差異較大的問題，因此需要對特征提取后的數(shù)據(jù)進行預(yù)處理。數(shù)據(jù)預(yù)處圖 3.2 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于ADS2的嵌入式軟件測試仿真程序設(shè)計方法研究[J]. 張海軍.  科技風(fēng). 2019(12)
[2]Logistic回歸及ROC曲線綜合評價動脈粥樣硬化危險因素對雄激素性禿發(fā)的影響[J]. 盧婉嬌,王魯梅,裴小平,李俊杰.  現(xiàn)代醫(yī)院. 2019(04)
[3]Web應(yīng)用軟件測試方法研究[J]. 付佳,李寶安.  計算機產(chǎn)品與流通. 2019(04)
[4]A Classifier Using Online Bagging Ensemble Method for Big Data Stream Learning[J]. Yanxia Lv,Sancheng Peng,Ying Yuan,Cong Wang,Pengfei Yin,Jiemin Liu,Cuirong Wang.  Tsinghua Science and Technology. 2019(04)
[5]一種基于Rosetta的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理方法[J]. 劉宇程,趙熙.  電子世界. 2019(07)
[6]基于聚類分析運營商流量精準(zhǔn)營銷研究[J]. 朱琦,朱正鍵,劉肖.  電信工程技術(shù)與標(biāo)準(zhǔn)化. 2019(03)
[7]Development of a particle swarm optimization based support vector regression model for titanium dioxide band gap characterization[J]. Taoreed O.Owolabi.  Journal of Semiconductors. 2019(02)
[8]基于聚類分析和判別分析法建立住院患者護理難度等級劃分[J]. 朱靜,楊穎,陶嵐,陳麗方,王迪,鐘琴,宋玉磊,柏亞妹.  中國醫(yī)院. 2019(02)
[9]基于XGBoost算法的用戶評分預(yù)測模型及應(yīng)用[J]. 楊貴軍,徐雪,趙富強.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2019(01)
[10]大型復(fù)雜系統(tǒng)軟件測試管理[J]. 文洋,杜晨,王定軍.  電子技術(shù)與軟件工程. 2018(19)

博士論文
[1]針對含有概念漂移問題的增量學(xué)習(xí)算法研究[D]. 孫宇.中國科學(xué)技術(shù)大學(xué) 2017
[2]基于支持向量機的巖土非線性變形行為預(yù)測研究[D]. 董輝.中南大學(xué) 2007

碩士論文
[1]基于LightGBM與XGBoost算法的P2P網(wǎng)絡(luò)借貸違約預(yù)測模型的比較研究[D]. 沙靖嵐.東北財經(jīng)大學(xué) 2017
[2]四種數(shù)據(jù)挖掘算法的信用卡違約識別對比研究[D]. 朱健.大連理工大學(xué) 2017
[3]遠(yuǎn)程遙控智能家居系統(tǒng)設(shè)計與實現(xiàn)[D]. 王少佐.河北工業(yè)大學(xué) 2015
[4]基于集成學(xué)習(xí)的人臉特征抽取及識別研究[D]. 周中俠.揚州大學(xué) 2014
[5]我國商業(yè)銀行信用卡市場競爭力研究[D]. 尚廣亮.山東大學(xué) 2012
[6]集成分類器及其在個人信用評估的應(yīng)用[D]. 王飛.中南大學(xué) 2012
[7]后危機時代我國銀行系統(tǒng)性風(fēng)險研究[D]. 王蕾.吉林財經(jīng)大學(xué) 2012
[8]基于KMV模型的銀行信用風(fēng)險預(yù)測研究[D]. 蘭艷紅.天津師范大學(xué) 2010



本文編號：3570459