导读:本文包含了个人信用评级论文开题报告文献综述及选题提纲参考文献，主要关键词:互联网,个人信用评级,评级体系,评级指标
个人信用评级论文文献综述
王卓,赵仁义,苗雨,何中成,孙少杰[1]（2019）在《互联网环境下个人信用评级指标》一文中研究指出随着互联网技术快速发展,个人信用与个人各个方面的联系越发密切,以及消费和支付模式不断转变等多方面因素,使个人信用变得尤为重要。社会经济环境一直在发生转变,所以个人信用评级体系的标准与指标也应与时俱进,不断扩充与完善。文章将会采取文献分析、比较分析、问卷调查等方法相互结合,对发现的问题进行研究,并提出解决方案,从而推动我国互联网环境下个人信用评级体系的发展与完善。(本文来源于《中国市场》期刊2019年26期）
夏国斌[2]（2018）在《基于Bagging算法的集成支持向量机在个人信用评级中的应用》一文中研究指出信用在经济生活中有着十分重要的地位,随着中国经济的发展,居民承担金融风险的能力增强,个人消费信贷进入了一个蓬勃发展的时期,信用即是金钱的时代已经到来.另一方面,由于中国庞大的人口基数,中国消费者的信用数据也在以爆炸式的方式增长,运用统计方法并结合在许多领域发挥重要作用的数据挖掘技术进行个人信用评级的前提已经成熟.在信用评级领域,传统的定量分析方法不仅效率十分低下,而且很多情况下依赖评级者的主观判断,信用记分卡模型的引入有效改变了这一状况,信用申请者的特征得到量化,进而使得一系列的客观标准建立起来,信用评级的客观性和效率大大提高.但信用评级问题依然存在很多困难,申请者是否会违约,不仅仅取决于还款能力,还会受到还款意愿的影响,而还款意愿往往无法量化,这导致了在进行信用评级时普遍存在错误率较大的问题.支持向量机(SVM)是在上世纪九十年代由Vapnic提出的一种机器学习方法,它以统计学习理论为基础,不仅具有优秀的小样本学习能力,而且在解决非线性、高维度、过拟合等机器学习上的传统难题方面效果显着.集成学习则通过一定的算法训练产生多个具有差异性的子学习器,并通过特定的方式将子学习器的决策进行合成,以做出最终决策.集成学习提高了学习器的泛化能力,往往可以取得比单一学习器更好的结果.本文选用台湾信用数据,首先以较早出现的判别分析方法和Logistics模型与支持向量机方法进行实证比较,就总体正确率而言,径向基核函数支持向量机正确率最高,判别分析法正确率最低,但判别分析法的错误主要是将信用好的样本误分为信用差的样本,这说明判别分析法在实际应用中依然有一定的价值.接着本文尝试采用21折抽样和随机抽样的方法对径向基核函数支持向量机进行集成学习,取得了一定的改进,但是我们的改进十分有限.一直以来,信用评级问题都是分类问题中的难题,要想找到理想的方法依然有很长的路要走。(本文来源于《山东大学》期刊2018-04-20）
魏先双[3]（2018）在《逻辑回归在个人信用评级的应用》一文中研究指出伴随着经济的飞速发展,以及互联网金融技术的进步,国内的小额信贷业务给小额贷款公司提供了良好的生长环境。从2006年到2015年期间,小额贷款公司进入快车道发展模式,近两年各项指标增长速度放缓,逐步趋于理性化发展的态势。在小额贷款风险控制工作中,重心在于度量小额贷款客户违约风险。当前,广泛应用于个人信用风险评级的机器学习方法有:逻辑回归、判别分析、决策树、神经网络。本文将采用主流的风险评估方法逻辑回归来建立风险模型,量化小额贷款客户的违约风险,达到风险控制的目的。考虑到逻辑回归模型在学习过程中,由于样本间违约客户与正常客户之间的信息量存在差异。为克服小类样本与大类样本之间的信息差异,提高逻辑回归模型的TNR值,本文应用SMOTE算法,人工合成违约客户数据,使得训练集中违约客户与正常客户的信息量保持一致。将数据离散化的方法用于逻辑回归模型中,逻辑回归模型属于广义线性模型,表达能力受限,采用基于熵的数据离散化方法可以明显提高模型的稳定性、可解释性。在本文中,未经过数据离散化、Smote算法的逻辑回归信用评级模型的预测精度为81%,TNR为57.77%,AUC为0.8283;通过数据离散化技术、SMOTE用于逻辑回归模型,得到模型的预测精度提高到85%,TNR为83.33%,AUC为0.89,模型的预测和拟合优度得到显着提升。(本文来源于《重庆大学》期刊2018-04-01）
寸宇潇[4]（2017）在《基于聚类分析的个人信用评级研究》一文中研究指出随着我国社会主义经济的迅猛发展,特别是消费信贷越来越成为我国一种拉动经济增长的重要手段,并且人们的消费观念和投资观念都发生巨大改变,各种各样的信贷业务也越来越鼓舞着人民进行理性或非理性消费。随着当今社会上消费信贷业务如火如茶的进行,消费信贷机构也越来越关注信用评级这个热点问题,对样本数据首先进行自变量与因变量相关性检验、合理分类,再分别运用信用评级预测的相关方法建模训练,以探究是否能更加精准的对信用评级进行预测,本文基于此开展研究。本文研究了对个人信用评级样本集经列联表独立性检验、聚类分析处理后再对各类别分别运用logistic回归、决策树的相关模型做信用评级的预测,以证实两个猜想:仅用对信用评级有显着影响的变量与利用全部变量建立模型做预测得到的误判是否相差很小;对信用评级数据做聚类分析处理后是否能提高信用评级的整体准确率。本文的创新点主要在于:对信用评级样本总体做聚类分析处理后,再建立模型预测信用评级“好”、“坏”;对样本总体进行聚类分析后再使用信用评级模型,将样本总体的错判率分解到更多的参数上,即运用更多参数方程拟合样本总体的误判,有效提高了拟合精度。本文讨论了聚类分析中的k-means方法以及基于此算法的拓展方法、个人信用评级的常用方法,前者主要有k-means算法、k-modes算法、k-prototypes算法;后者主要有logistic回归、决策树等相关方法,并初步对经过列联表独立性检验、聚类分析得到的结果做进一步信用评级预测,得到以下两个结论:仅用对信用评级有显着影响的14个变量与利用全部变量建立模型做预测在样本总体与聚类加权上得到的误判差异很小;对信用评级数据做聚类分析处理后确实能提高信用评级的整体准确率。(本文来源于《云南大学》期刊2017-05-01）
赵向阳[5]（2017）在《P2P网络信贷个人信用评级构建研究》一文中研究指出P2P网络信贷是一种基于网络平台的个人直接借贷模式,它作为点对点的个人信贷,自进入我国以来就掀起了“P2P浪潮”,截至2016年底全国P2P网络信贷公司突破2000家,成交规模突破千亿元。P2P网络信贷平台数量几何式增长并不能代表P2P网络信贷业已经发展成熟,它作为新兴的信贷模式在发展过程中仍有较多问题,其中个人信用问题尤其突出。目前,随着个人信贷业务的快速扩张,各大网络信贷平台已成为个人信用风险的重灾区,加之P2P网络信贷公司规模普遍较小,其风险管理能力远低于传统商业银行,而且大多数P2P网络平台尚未建立自己的信用风险评估模型,所以信用风险便成为最大的问题。另一方面,从更深层次的影响来看,个人信用风险是导致整个互联网金融体系不稳定的重要风险因素和市场经济活动所面临的重大风险隐患,亟需引起金融行业的重视。综上,本文从个人信用风险角度出发,分析P2P网络信贷中借款人这一角色的信用风险问题。根据南宁市某家P2P网络信贷平台所披露的借款人个人信息,选取若干个指标,运用logistic回归模型和IV值以及logitboost算法进行P2P网络信贷个人信用评级的实证研究。文中构建的最终个人信用评级和指标体系具备对借款人信用的预测评估能力,适合用于P2P网络信贷借款人的信用风险评估。文章最后根据个人信用风险评级的研究结论以及个人信用风险评估内外环境的要求,提出了完善P2P网络信贷借款人信用风险评估制度的对策和建议。(本文来源于《广西民族大学》期刊2017-05-01）
廖碧莹[6]（2016）在《商业银行个人信用评级模型的研究》一文中研究指出本文通过调研确定了研究题目并说明了其意义,分析了国内外商业银行的发展形态以及在发展过程中遇到的问题,并且探索研究了商业银行发展的新模式,以及如何发展新模式使得能够在未来潮流中占据竞争优势。同时针对商业银行所面临的竞争缺陷采取相应的措施,运用决策树实现客户个人信息等级评价分类,以便于银行选择更好的借贷对象,从而降低银行信贷风险。首先,分析了我国商业银行的发展历程及其在发展过程中遇到的问题。商业银行具有稳定的市场份额和庞大的总体规模使得其在市场竞争中一直处于不败之地,同时这也导致了我国商业银行单一的产权性质和较高的国有化程度;其次对我国商业银行的发展现状及其面临的问题进行了详细描述,并对商业银行业实现了业务流程的信息化改造;紧接着描述了个人信用评级在商业银行中的应用,并且分析了商业银行中个人信贷业务的缺陷以及个人信用评级的意义;然后描述了商业银行如何通过信息流管理能力保证商业银行的核心竞争能力,并通过对银行业务信息的分析和挖掘,实时持续处理海量数据,全面提高银行运营管理水平;最后构建了个人信用评级模型,利用决策树算法进行分类,对客户的信用等级进行归类,以便于银行能够更好地选择借贷对象,降低信贷业务所带来的风险,并对实验结果进行了分析,保证了模型的准确性。(本文来源于《江西财经大学》期刊2016-12-01）
刘静[7]（2015）在《基于代价敏感贝叶斯分类的个人信用风险评级》一文中研究指出随着信用消费概念逐渐走进人们的日常生活,个人信用风险评级需求也越来越迫切,我国商业银行个人信用风险评级仍然处于起步阶段。出于商业银行保密机制、客户隐私信息保护等原因,目前大部分研究都是基于德国、澳大利亚、英国等国外公开信用测试数据。但是我国人民的信贷消费行为、生活方式与国外有较大差别,国外数据有好的预测结果,并不意味着在我国商业银行中同样适用。因此本文针对我国商业银行信用卡客户的真实信用数据进行建模分析,得出能够适用于我国商业银行的结论。本文实验数据为广州银行信用卡客户信用数据的抽样,在数据预处理过程中,结合决策树理论,运用最优分段方法进行数据离散化。通过抽样数据实证分析表明,传统的等距分段方法在logistic回归模型中表现良好,但是在贝叶斯分类中,最优分段的变量比等距分段的更具有预测性。分类问题中必然存在错分的可能,不同错分情况产生的代价损失也不同。在个人信用风险评级问题中,将“正常”客户误判为“违约”客户和将“违约”客户误判为“正常”客户产生的代价损失也大不相同。前者固然会损失一定的收益,但是后者带来的损失风险是不可估量的。本文首次在个人信用风险评级问题中引入代价敏感概念,构造代价函数和风险函数。通过大量实验确定代价函数的最优参数,分别建立代价敏感朴素贝叶斯模型和代价敏感TAN模型。实证结果表明,在不明显降低正确率的情况下,代价敏感朴素贝叶斯模型和代价敏感TAN模型都能较大程度降低“违约”客户误判为“正常”客户的概率。(本文来源于《华南理工大学》期刊2015-05-04）
张墨[8]（2015）在《我国P2P网络信贷中个人信用评级研究》一文中研究指出P2P网络信贷即点对点信贷,是基于互联网应用、个人通过网络中介平台向其他人进行小额借贷的金融模式,其运营过程中面临的风险主要是信用风险。本文主要从信用评级角度出发,对现行的信用评级方法加以比较分析,以期建立一套相对完善的信用评级机制,降低信用风险。(本文来源于《经济视角(上旬刊)》期刊2015年03期）
史小康,马学俊[9]（2014）在《个人信用评级模型的指标选择方法》一文中研究指出目前个人信用评级建模的数据呈现出高维度的特点,其中的无关变量和冗余变量对模型的简洁性、训练时间和预测精度都会产生不利影响,文章利用数据离散化的方法设计了一种新的变量选择方法,将最终被合并为一个区间的变量剔除,最后利用Logistic回归对变量选择前后模型的拟合情况、预测情况和误判概率进行了比较。结果表明这种方法对连续和离散的有序变量都具有良好的筛选作用,可以与目前信用评分中的IV统计量原则、Gini指数原则和卡方检验等离散变量的筛选方法互为补充。(本文来源于《统计与决策》期刊2014年23期）
徐波[10]（2014）在《“新国十条”背景下保险营销员个人信用评级制度发展现状及问题分析》一文中研究指出新国十条背景下,加强保险营销员个人信用评级建设迫在眉睫。当前,保险业在保险营销员个人信用评级工作上进行了有益的探索,但是由于缺乏法律依据、人才储备以及实务中存在某些问题,导致保险营销员个人信用评级制度主体不明确、体系不完整、指标不科学。对此,本文提出了相应的完善我国保险营销员个人信用评级制度的若干对策建议。(本文来源于《时代金融》期刊2014年32期）
个人信用评级论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信用在经济生活中有着十分重要的地位,随着中国经济的发展,居民承担金融风险的能力增强,个人消费信贷进入了一个蓬勃发展的时期,信用即是金钱的时代已经到来.另一方面,由于中国庞大的人口基数,中国消费者的信用数据也在以爆炸式的方式增长,运用统计方法并结合在许多领域发挥重要作用的数据挖掘技术进行个人信用评级的前提已经成熟.在信用评级领域,传统的定量分析方法不仅效率十分低下,而且很多情况下依赖评级者的主观判断,信用记分卡模型的引入有效改变了这一状况,信用申请者的特征得到量化,进而使得一系列的客观标准建立起来,信用评级的客观性和效率大大提高.但信用评级问题依然存在很多困难,申请者是否会违约,不仅仅取决于还款能力,还会受到还款意愿的影响,而还款意愿往往无法量化,这导致了在进行信用评级时普遍存在错误率较大的问题.支持向量机(SVM)是在上世纪九十年代由Vapnic提出的一种机器学习方法,它以统计学习理论为基础,不仅具有优秀的小样本学习能力,而且在解决非线性、高维度、过拟合等机器学习上的传统难题方面效果显着.集成学习则通过一定的算法训练产生多个具有差异性的子学习器,并通过特定的方式将子学习器的决策进行合成,以做出最终决策.集成学习提高了学习器的泛化能力,往往可以取得比单一学习器更好的结果.本文选用台湾信用数据,首先以较早出现的判别分析方法和Logistics模型与支持向量机方法进行实证比较,就总体正确率而言,径向基核函数支持向量机正确率最高,判别分析法正确率最低,但判别分析法的错误主要是将信用好的样本误分为信用差的样本,这说明判别分析法在实际应用中依然有一定的价值.接着本文尝试采用21折抽样和随机抽样的方法对径向基核函数支持向量机进行集成学习,取得了一定的改进,但是我们的改进十分有限.一直以来,信用评级问题都是分类问题中的难题,要想找到理想的方法依然有很长的路要走。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
个人信用评级论文参考文献
[1].王卓,赵仁义,苗雨,何中成,孙少杰.互联网环境下个人信用评级指标[J].中国市场.2019
[2].夏国斌.基于Bagging算法的集成支持向量机在个人信用评级中的应用[D].山东大学.2018
[3].魏先双.逻辑回归在个人信用评级的应用[D].重庆大学.2018
[4].寸宇潇.基于聚类分析的个人信用评级研究[D].云南大学.2017
[5].赵向阳.P2P网络信贷个人信用评级构建研究[D].广西民族大学.2017
[6].廖碧莹.商业银行个人信用评级模型的研究[D].江西财经大学.2016
[7].刘静.基于代价敏感贝叶斯分类的个人信用风险评级[D].华南理工大学.2015
[8].张墨.我国P2P网络信贷中个人信用评级研究[J].经济视角(上旬刊).2015
[9].史小康,马学俊.个人信用评级模型的指标选择方法[J].统计与决策.2014
[10].徐波.“新国十条”背景下保险营销员个人信用评级制度发展现状及问题分析[J].时代金融.2014