基于遗传神经网络的个人信用评估模型的研究

针对当前传统个人信用评价体系中的种种问题,提出了一种基于遗传神经网络(GA-NN)的个人信用评估模型.利用BP神经网络(BPNN)的自学习、自适应、强容错性,并通过遗传算法(GA)优化BP神经网络的连接权重和阚值.弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型是令人满意的.     

诚信以数据来证明——上海市个人信用联合征信数据库介绍

上海市个人信用联合征信数据库系统经过近两年的不断完善、改进，目前已成为信息采集覆盖全市263万市民、联通21个大型数据库和300多个查询网点、月查询量达2万余份的超大型征信数据库系统。     

个人信用征信系统的数据整合

近年来,随着社会和经济的发展,我国对信用的需求越来越迫切,特别是个人信用广泛受到人们关注.数据整合是信用系统建设的重点和难点.本文以广州个人信用征信系统为例,介绍了数据整合思路,着重阐述了影响数据整合的几大关键问题,并探索其产生原因和解决办法.     

基于神经网络规则抽取的个人信用评估模型研究

摘要：本文针对传统个人信用评估体系中的不足,提出了一种基于神经网络规则抽取的个人信用评估模型。通过对已经训练好的人工神经网络隐层激活值进行聚类分析,减少搜索空间,进而抽取出理解性好、简洁的符号规则。从而产生一组可理解的描述,这组描述能最大限度的模拟已经训练好的原神经网络的推理预测行为。使得评价中的人为因素得到弱化,克服了神经网络在个人信用评估中的“黑箱”性缺陷,增强了模型的稳健性：和可理解性。     

逻辑回归在个人信用评估模型上的运用

运用Logistic回归等数据挖掘方法研究信用评估模型技术,本文模型研究的方法具有成熟理论经验的支持,因而其应用系统的实践可以减少信用业务的工作量和承担的风险。     

基于稀有事件仿真的商业银行个人信用风险评估研究

系统仿真是风险评价的一种重要手段,针对商业银行个人信用风险预警问题,提出一种基于稀有事件仿真的个人信用风险评估方法.采用商业银行个人未偿还贷款的概率作为衡量个人信用风险高低的标准,构造基于稀有事件的商业银行个人信用风险识别模型,利用交叉熵方法构建了一种稀有事件仿真的有效算法,并由此估计出发生损失的概率.实证分析结果表明,模型对商业银行个人信用风险具有很强的识别能力,从而提供了一个风险预警的新视角.     

主成份分析法在银行个人信用评价中的应用

在建立银行个人信用评价模型时,各个信用评价指标间往往是相关的,各指标对于信用结果影响的程度也是不一样的。本文利用主成份分析法对个人信用评价中的各个指标进行综合分析,选取了最重要的指标,剔除次要指标,从而实现了个人信用评价模型的指标优化。     

支持向量机在信用卡信用评估的应用

信用卡业务现在是银行很重要的资产业务,构建一个适用的个人信用评估模型十分重要。基于近年来在智能学习系统领域发展起来的新理论．引入小样本学习的通用学习算法——支持向量机（SVM）,建立了个人信用评估模型,通过与神经网络模型的比较．证实了该方法用于信用卡个人信用评估的有效性及优越性。     

基于特征优化和Boosting算法的个人信用预测

随着互联网金融和电子支付业务的高速增长,由此引发的个人信用问题也呈现与日俱增的态势.个人信用预测本质上是不平衡的序列二分类问题,这类问题的数据样本规模大、维度高、数据分布极不平衡.为了高效区分申请者的信用情况,本文提出一种基于特征优化和集成学习的个人信用预测方法 (PL-SmoteBoost).该方法在Boosting集成框架下构建个人信用预测模型,首先利用Pearson相关系数对数据进行初始化分析,剔除冗余数据;通过Lasso选取部分特征来减少数据维度,降低高维风险;通过SMOTE过采样方法对降维数据的少数类进行线性插值,以解决类不平衡问题;最后为了验证算法有效性,以常用的处理二分类问题的算法作为对比方法,采用从Kaggle和微软开放数据库下载的高纬度不平衡数据集对算法进行测试,以AUC作为算法的评价指标,利用统计检验手段对实验结果进行分析.结果表明,相对于其他算法,本文提出的PL-SmoteBoost算法具有显著优势.     

论高校国家助学贷款个人信用征信法律制度的完善

我国市场经济要健康有序地发展就必须建立运行良好的个人信用征信制度。高校国家助学贷款可以帮助贫困学生完成学业。我们同时看到,我国的高校学生助学贷款个人信用征信法律制度建设还很不完善。本文主要是就我国的高校国家助学贷款个人信用不良,借款学生还款率低、贫困学生申贷困难等问题而提出的要完善我国高校国家助学贷款个人信用征信法律制度。     

支持向量机在信用卡信用评估的应用

信用卡业务现在是银行很重要的资产业务,构建一个适用的个人信用评估模型十分重要。基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法——支持向量机(SVM),建立了个人信用评估模型,通过与神经网络模型的比较,证实了该方法用于信用卡个人信用评估的有效性及优越性。     

基于BP算法的信用评估模型的应用研究

本文分析了银行信用评估及其评估模型,介绍了常规BP神经网络,指出它在银行信用评估中的优势:并且设计实现了一个基于改进的BP神经网络的银行个人信用评估模型.基于此模型对已有个人信用数据,尤其是国内数据进行分析表明此模型有较强的实用性.     

基于改进的SVDD算法的个人信用评估

针对商业银行的信用评估问题,笔者在现有的SVDD算法基础上提出了一种新的个人信用评估方法——改进的SVDD算法。笔者首先详细介绍了此算法的理论知识以及一些推导过程,然后通过案例验证了该算法的可行性和有效性,结果表明改进的SVDD算法效果较好。     

PSO-BP 模型在高校学生个人信用评价中的应用

近年来,信用问题己成为全社会共同关注的一个重要话题。通过建立高校学生个人信用评价体系来引导和督促学生重视个人信用记录、改善个人信用行为、推动高校助学贷款、就业等各项工作的开展是非常必要的。采用PSO-BP算法建立模型,对BP算法进行优化,克服了BP神经网络收敛速度慢、易陷入局部极小、初始值难以确定等固有缺陷。通过在Matlab环境下进行仿真,结果表明,PSO-BP加快了BP的收敛速度,提高了BP的泛化能力,PSO-BP模型的训练效果明显优于BP模型,在高校学生个人信用评价币具有一定的实践意义。     

基于朴素贝叶斯分类器的个人信用评估模型

个人信用评估是金融与银行界研究的重要内容。论文研究了三种朴素贝叶斯分类器信用评估模型的精度。在两个真实数据集上用10层交叉验证对朴素贝叶斯信用评估模型进行了测试,并与五种DavidWest的神经网络个人信用评估模型进行了对比。结果表明朴素贝叶斯分类器具有较低的分类误差,在信用评估中有优势。     

多决策树的模糊积分融合在银行信贷管理系统中的应用

为了提高基于数据挖掘的商业银行信贷管理系统的信贷风险评估水平,将多决策树的Choquet模糊积分融合(MTCFF)模型应用到银行信贷管理系统中。基本思想是采用决策树在已知类型的客户数据上进行挖掘,按照决策树剪枝程度不同形成不同的决策树并产生规则,利用所生成的不同决策树的规则,对未知类型的客户数据进行分类,然后让Choquet模糊积分对多棵决策树的分类结果进行融合,形成最优判断。采用UCI数据库中German客户信用卡数据集进行验证,实验证明Choquet模糊积分的非线性融合效果优于单棵决策树的分类效果,也优于其他线性融合方法,并且Choquet模糊积分要优于Sugeno模糊积分。     

基于异构集成模型的个人信用评估研究

针对银行贷款风险控制中客户个人信用难以评估的特点,提出一种基于异构集成算法模型的个人信用评估.对个人信用特征进行分层学习,开展非均衡数据集处理实验,采用多类别不平衡方法对采集的个人信用特征进行均衡化处理,将少数类样本与等量多数类样本组成正负样本均衡的原始特征.采用异构集成模型对个人信用原始特征进行识别,实验结果表明,提...     

事件TOP3

北京建成TD—SCDMA预商用试验网；央行个人信用信息数据库年底全国联网；信用等级制呼之欲出严管贴牌手机；音乐播放器市场2005年还将增长57％。