导读:本文包含了个人信用数据论文开题报告文献综述及选题提纲参考文献,主要关键词:征信,指标体系,评分模型
个人信用数据论文文献综述
胡景淇,赵丽[1](2019)在《大数据背景下个人信用评价研究综述》一文中研究指出由于大数据的兴起,使得我国对个人信用的评价方式发生了改变,庞大的数据来源为征信指标选择、数据收集方式、分析模型的构建提供了更多的选择。本文主要从征信的指标设计、数据来源、征信数据分析模型等方面展开论述,仅供参考。(本文来源于《南方农机》期刊2019年21期)
杨霞霞,王彦军,苏锋[2](2019)在《大数据金融下的个人信用评估》一文中研究指出大数据征信是现代金融发展的核心,在全面推进社会信用体系建设的时代背景下,结合大数据建立和完善科学有效的个人信用评价体系,是切实应对当前日益突显的信用缺失问题和改进信用评价落后现状的前提和基础。因此,本文针对大数据金融下个人信用评估体系展开研究,并提出完善大数据金融下个人信用评估制度的意见和建议。(本文来源于《数码世界》期刊2019年10期)
张晨,万相昱[3](2019)在《大数据背景下个人信用评估体系建设和评估模型构建》一文中研究指出大数据和云计算等信息技术的飞速发展为金融行业开展征信业务提供了海量数据与先进技术。基于传统个人征信和现有互联网金融征信体系,从个人特征、经济能力、消费偏好、社交网络、信用情况和风险信息六个维度构建基于大数据的个人信用评估体系,尽可能涵盖影响信用主体行为的主要因素,减少主观评价信息。与此同时,基于大数据和信用评估体系特征,对信用评估进行数量化建模,运用层次模型、熵权法和汇总评估方法,对个人信用评估体系各个维度以及最后得分进行评估,期望充分利用主观数据和客观数据的优势,确保信用评估的准确性和科学性。(本文来源于《征信》期刊2019年10期)
湛维明,王佳[4](2019)在《互联网金融背景下基于数据分析的个人信用评估研究》一文中研究指出文章从互联网金融的发展趋势和数据特征出发,分析互联网金融的4种数据统计途径和每种数据统计途径的优劣。接着针对互联网金融所面临的数据杂乱问题和信用评估的实时性需求,构建个人信用风险评估方法。在研究中重点讨论互联网金融数据不完备问题的解决方案和实时信用评估中数据分析、挖掘的方式,为互联网金融背景下的个人信用评估提供较为合理的数据统计方案与应用模型,以利于提高信用评估结果的科学性、有效性与可解释性。(本文来源于《无线互联科技》期刊2019年16期)
张佩,汪超,王少峰,张李楠轲,蔡佳梦[5](2019)在《浅谈大数据背景下高等院校学生个人信用体系的构建》一文中研究指出当今高等院校校园借贷事故的频发越来越引起社会各界的重视,随着社会信用体系的日渐完善,建立高校学生个人信用体系以减少学生的失信行为有一定的现实意义。本文以湖北大学知行学院为例,通过对学生及学院相关工作人员的随机调查,分析了高校学生对信用的认知、学院目前的信用状况,并结合"互联网+"大数据背景就当代高校学生个人信用体系的构建提出相关建议。(本文来源于《商讯》期刊2019年23期)
杨钧元[6](2019)在《基于移动电信数据的个人信用评估研究》一文中研究指出征信市场是社会主义市场经济体系不可分割的一部分,近年来,随着大数据技术的迅猛发展,我国的个人信用评估行业进入新的阶段。其中,基于移动电信数据进行个人信用的评估是目前研究的热点之一。为了更好的对维度众多的移动电信数据进行降维处理,本文研究了经典的特征选择算法ReliefF算法,并在其基础上基于kd-tree算法与互信息进行了优化,创造性地提出了IRfF(Improved ReliefF)算法。进一步地,本文对IRfF算法的性能进行了仿真检验。随后针对移动电信信用评估这一具体应用场景,参考FICO模型将实验数据集中的全部特征划分为6个维度。对实验数据集进行了数据清洗、数据离散化以及数据标准化处理并基于IRfF算法完成了特征选择。在此基础上,基于统计学方法分析各维度典型特征与用户信用的关系,基于K-means聚类方法进行探索性的数据挖掘。在完成对实验数据集的数据预处理以及特征降维处理后,本文进行了个人信用评估模型的搭建。在搭建过程中,借鉴了传统金融申请评分卡的相关思想,使用了逻辑回归、支持向量机、BP神经网络以及Xgboost算法从全维度特征以及各分维度特征分别建立机器学习模型,并比较各模型训练完成后的性能。通过比较准确率、召回率、AUC值以及KS值,发现Xgboost算法训练出的模型的综合性能优于其它模型。为了增强模型的解释性,本文基于全维度特征以及各分维度特征的Xgboost模型输出的预测结果,对用户进行综合性地信用评分。(本文来源于《北京邮电大学》期刊2019-05-27)
赵云[7](2019)在《基于大数据平台的个人信用风险评估》一文中研究指出互联网金融高速发展为小微企业发展和个体创业提供新的融资渠道。但是,互联网金融正面临着不良贷款余额,不良贷款率激增,以及各种平台倒闭等问题,个人信用风险直接制约着互联网金融发展。基于此,本文基于大数据平台研究个人信用风险评估问题,研究揭示个人信用风险相关因素以及其联系。首先,针对具体实际业务大数据,通过数据分析技术对实际业务大数据进行数据预处理;其次,运用XGBoost模型便捷的构建了互联网金融业务的大数据个人信用风险评估指标体系。该指标体系,具有丰富的评估数据项、静态数据与动态数据相结合、数据来源广和及时性等特点,很好的弥补了经典的个人信用风险评估指标体系人群覆盖率不理想、数据多为静态、数据真实性无法核实等局限;再次,基于大数据指标体系,构建了Logistic+XGBoost的个人信用风险评估模型。该模型可以对特征的重要性和相关性系数进行输出,这些特征解释性较强可以很好的与行业的专业知识进行交叉验证,进一步促进个人信贷业务的完善;最后,以M公司个人信贷业务进行实证分析,并应用提出的个人信用风险管理对策。个人信用风险管理对策分为违约率低风险、违约率中风险、违约率高风险和违约率极高风险四个管理区间。违约率低风险采取加强和持续优化个人信用风险评估模型的管理对策;违约率中风险采取分级审核管理对策;违约率高风险采取风险定价管理对策;违约率极高风险采取贷款分期发放管理对策。M公司实证结果表明,适合应用违约率低风险管理对策,公司还需要继续对大数据风控进行投入。以大数据和人工智能技术为驱动力,更加全面识别个人信用风险,把违约率控制到最小,进而减少违约损失,提高公司盈利能力。本项目研究成果为促进互联网金融行业健康发展提供了理论参考和实践借鉴作用。(本文来源于《南昌大学》期刊2019-05-26)
李明昕[8](2019)在《大数据下个人信用信息的保护与利用法律问题研究》一文中研究指出随着互联网技术的广泛应用,个人信用信息被极大程度地收集与整理,这一进步给传统的信息收集与利用方式带来了根本性的变革,在促进了市场经济的发展的同时,也为参与市场的个人带来了极大的便利。但是,大数据技术的广泛运用也给传统的个人信用信息保护与利用带来了极大的挑战,大数据下个人信用信息的收集范围与利用方法均有别于以往,传统的个人信用信息保护与利用法律体系己难以满足当前的需求。个人信用信息的保护与利用之间的平衡已经被打破,如何通过法律手段实现个人信用信息充分保护的同时促进其合理利用,是目前法学研究的一个重要问题。与此同时,自党的十八届四中全会以来以来,我国个人信用信息保护立法有了长足的进步,但目前我国的个人信用信息保护与利用法律体系,仍存在较多的问题。第一,我国目前的个人信用信息保护与利用相关立法存在缺陷。相较于域外发达国家与地区,我国缺失统一的个人信用保护法,且在个人信用信息保护与利用领域,相关配套法律法规也存在规定不清晰、缺乏可操作性等不足。第二,我国大数据下个人信用信息保护与利用缺乏有效监管,由于大数据技术的运用使得个人信用信息的范围空前扩大,传统的个人征信监管体制已不足以满足当前监管的需要。第叁,我国大数据下个人信用信息收集与使用规则不明确,其导致个人信用信息被过度收集与无序使用的情况时有发生,个人对其信用信息日益失去控制。第四,我国针对个人信用信息主体权利的救济保障不足,个人信用信息相关权利受到侵害难以获得有效救济。本文围绕以上四个问题展开,在第一章分析大数据下个人信用信息的特殊性的基础上,通过案例研究与比较研究的方法,对上述四个方面的问题提出针对性的建议。通过对域外发达国家个人信用信息保护立法沿革的比较研究,本文认为通过统一的个人信息保护法与征信领域专门立法的方式最为符合当前中国国情,进而提出设立统一的个人信息保护机构与征信监管机构共同配合的监管模式,并对个人信用信息收集与使用规则及个人信用信息主体救济保障机制的完善提出相关建议,以期促进对个人信用信息的充分保护与合理利用。(本文来源于《北方工业大学》期刊2019-05-20)
肖凯文[9](2019)在《大数据下的芝麻信用公司个人信用评估研究》一文中研究指出随着我国改革开放和国民经济的不断发展,我国的市场经济体制建设也取得一些进步,我国的经济逐渐呈现出买方市场经济特征。新形势下,该如何扩大内需,进一步完善消费市场的升级成为带动我国经济平稳快速发展的关键点。而消费信贷适应新时期背景以其促进消费升级、经济增长的功能而出现,成为市场中影响经济发展中最活跃的因素,但消费信贷的进一步发展和完善又在很大程度上取决于我国个人征信行业的市场化程度的高低。本文首先对我国个人征信业研究背景和现状进行介绍,并借助文献研究法对个人信用评估基础理论进行阐述。其次,研究了大数据下的个人信用评估,并具体分析了大数据个人信用评估的历史经验以及发展前景。接着,本文引入了大数据个人征信市场上具有代表性的芝麻信用公司作为案例,介绍了大数据下的芝麻信用公司个人信用评估体系,并分别将大数据下的芝麻信用公司个人信用评估体系同传统央行个人征信中心以及大数据下的腾讯征信作对比研究,由此分析出芝麻信用公司的个人信用评估体系在面对当前大数据环境下所具有的优势和能够解决的实际问题,以及针对案例分析部分关于芝麻信用在大数据背景下所面临的不足之处进行深入研究,最后提出针对当前大数据背景下的个人信用评估体系的改进方案以及可行性的建议。(本文来源于《西北民族大学》期刊2019-05-01)
邱楠峰[10](2019)在《基于大数据的个人信用消费贷款违约影响因素研究》一文中研究指出近年来,个人信用消费贷款在高速发展的同时,随着同业竞争的日益加剧和优质客户资源贷款需求的逐渐饱和,客户准入门槛不断降低,导致其不良贷款余额和不良率也随之直线上升,贷款违约风险不断暴露并有急速上升态势。因此迫切需要识别和提炼出对个人信用消费贷款的违约具有显着影响的各类因素并加以运用到实际风险控制中,促其走向良性发展轨道。本文从国外流行的FICO个人信用评分系统、传统商业银行的违约风险控制和新兴互联网金融企业的违约风险控制等叁个角度对现有的个人信用消费贷款违约风险控制现状进行了分析,认为我国人行征信体系不完善,覆盖人群相对有限,致使金融机构无法有效复制国外流行的FICO个人信用评分模式,同时传统商业银行对个人信用消费贷款这一新兴业务品种仍大都沿用以往抵质押类个人贷款的违约风险评估模式,无法准确反映客户的潜在违约风险状况,而新兴互联网金融企业通过大数据和人工智能技术建立的信用评估体系也存在数据真实性和有效性等缺陷,实际应用效果还有待时间的检验。基于此,本文从理论分析角度,将个人信用消费贷款违约的影响因素分为客户特征因素和贷款特征因素等两方面,并通过大数据技术从传统商业银行的海量数据中提炼出客户贷款申请前持有的近半年日均金融资产和关联违约人数等新的特征因素,将其与历史贷款履约次数、月贷款频率和客户贷款申请时实际占用的授信比例等已有研究成果较少甚至尚未涉及的特征因素作为本文研究的重点。通过Logistic回归模型、Lasso-logistic回归模型和决策树模型比较后,最终选定预测效果较好的Logistic回归模型进行个人信用消费贷款违约影响因素的实证分析。模型准确预测的比率为81.34%,说明本文建立的预测模型效果较好,对各金融机构开展个人信用消费贷款违约风险控制具有较强的参考意义和指导价值,据此本文也提出了针对性的建议。(本文来源于《华南理工大学》期刊2019-04-15)
个人信用数据论文开题报告
(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:
大数据征信是现代金融发展的核心,在全面推进社会信用体系建设的时代背景下,结合大数据建立和完善科学有效的个人信用评价体系,是切实应对当前日益突显的信用缺失问题和改进信用评价落后现状的前提和基础。因此,本文针对大数据金融下个人信用评估体系展开研究,并提出完善大数据金融下个人信用评估制度的意见和建议。
(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。
个人信用数据论文参考文献
[1].胡景淇,赵丽.大数据背景下个人信用评价研究综述[J].南方农机.2019
[2].杨霞霞,王彦军,苏锋.大数据金融下的个人信用评估[J].数码世界.2019
[3].张晨,万相昱.大数据背景下个人信用评估体系建设和评估模型构建[J].征信.2019
[4].湛维明,王佳.互联网金融背景下基于数据分析的个人信用评估研究[J].无线互联科技.2019
[5].张佩,汪超,王少峰,张李楠轲,蔡佳梦.浅谈大数据背景下高等院校学生个人信用体系的构建[J].商讯.2019
[6].杨钧元.基于移动电信数据的个人信用评估研究[D].北京邮电大学.2019
[7].赵云.基于大数据平台的个人信用风险评估[D].南昌大学.2019
[8].李明昕.大数据下个人信用信息的保护与利用法律问题研究[D].北方工业大学.2019
[9].肖凯文.大数据下的芝麻信用公司个人信用评估研究[D].西北民族大学.2019
[10].邱楠峰.基于大数据的个人信用消费贷款违约影响因素研究[D].华南理工大学.2019