导读:本文包含了个人信用模型论文开题报告文献综述及选题提纲参考文献，主要关键词:个人信用评估,支持向量机,核函数,组合核
个人信用模型论文文献综述
张玥,赵凯,黄全生[1]（2019）在《组合核支持向量机个人信用评估模型》一文中研究指出针对支持向量机模型在分类问题中的广泛应用,提出了一种新的基于支持向量机的个人信用评估模型,通过对支持向量机直方图交叉核、热核特征核、杰卡德距离核和余弦广义距离核4种核函数的组合处理,构造了投票矩阵;通过实际数据实验,获得了良好的分类结果,同时证明了支持向量机自适应组合核加权模型在信用评分系统中具有良好的性能;因此,这种基于支持向量机的个人信用评估模型可以帮助银行或贷款人做出正确的决策。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年05期）
张晨,万相昱[2]（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）
刘潇雅,王应明[3]（2019）在《基于C4.5算法优化SVM的个人信用评估模型》一文中研究指出支持向量机作为非参数方法已经广泛应用于信用评估领域.为克服其训练高维数据不能主动进行特征选择导致准确率下降的缺点,构建C4.5决策树优化支持向量机的信用评估模型.利用C4.5信息熵增益率方法进行属性选择,减少冗余属性.模型通过网格搜索确定最优参数,使用F-score和平均准确率评价模型性能,并在两组公开数据集上进行验证.实证分析表明, C4.5决策树优化支持向量机的信用评估模型有效减少了数据学习量,较于传统各类单一模型有较高的分类准确率和实用性.(本文来源于《计算机系统应用》期刊2019年07期）
袁章帅,李敬明,闫瑞林,严升[4]（2019）在《大学生个人信用评价模型》一文中研究指出首先改进萤火虫算法的初始种群与移动步长,并用来优化BP神经网络初始权值与阈值参数,以构建IGSO-BP神经网络协同集成学习算法。建立基于该学习算法的大学生个人信用评价模型,Matlab仿真验证了模型的可行性。(本文来源于《长春工业大学学报》期刊2019年03期）
张世锦[5]（2019）在《涉税会计人员个人信用评分模型的构建》一文中研究指出本文从国家税务总局所关注的个人信用指标体系出发,尝试构建一套满足税局管理的涉税会计人员个人信用评分模型,包括指标体系、单项指标权重的确定、信用等级划分。在此基础上,相关的税务单位利用该成果对涉税会计人员进行个人信用评分和等级的划分,推进社会信用体系建设,保证国家税收法律、行政法规正确、有效贯彻执行,促进涉税会计人员的服务机构的健康发展。(本文来源于《中国乡镇企业会计》期刊2019年06期）
赵凯[6]（2019）在《结合深度自编码网络与支持向量机的个人信用评估组合模型研究》一文中研究指出自改革开放以来,我国的社会主义市场经济制度日趋完善。为了扩大国内市场需求,银行信用贷款、蚂蚁花呗等个人信用借贷平台如雨后春笋般不断推出,个人信用消费行为日趋增多。个人信用评估开始受到政府和企业的重视,并成为了金融行业尤其是银行业的研究热点之一。深度自编码网络可以提取数据的深度特征而核支持向量机在处理“小样本,大数据”时具有高分类精度。本文结合深度自编码网络和核支持向量机技术对个人信用评估模型展开研究。论文的主要内容包括以下几个部分:构建基于热核支持向量机的个人信用评估模型。热核是一种利用图的邻接关系来构造的核函数,在处理图像分类等问题取得良好的效果。本文提出基于热核支持向量机的个人信用评估模型。实验表明,热核的个人信用评估能力高于多项式核、二层神经网络核和Gauss径向基核;在德国,信用历史、现有的支票账户状态、其他债务人、贷款目的、存款、财产、房屋、工作信用历史,已工作时间,住房和职业是评价个人信用的重要属性;而在中国,信用历史、工龄、职业和住房是评价个人信用的重要属性。构建融合多核支持向量机的个人信用评估模型。根据评估个人信用等级的指标数据的不同类型,选择了直方图交叉核、热核、广义余弦距离核和杰卡德距离核四种核函数,将这四种核支持向量机的预测结果通过加权投票的方法进行决策融合,得到个人信用评估等级的最终决断。实验表明,融合直方图交叉核、热核、广义余弦距离核和杰卡德距离核这四种核支持向量机的预测方法能提高模型的评估性能;模型给出的评估指标得到了提炼。在德国,现有的支票账户状态、其他债务人、存款、房屋、工作是评价个人信用的重要属性;而在中国,信用历史,工龄,职业是评价个人信用的重要属性。构建结合深度自编码网络与核支持向量机的个人信用评估组合模型。考虑到处理个人信用数据遇到的冗余信息问题,引入了深度自编码网络。利用深度自编码网络提取深度特征的优势以及融合多核支持向量机的高分类精度,提出了结合深度自编码网络与核支持向量机的个人信用评估组合模型。实验表明,组合模型的评估能力优于融合多核支持向量机模型;模型给出的重要评估指标进一步得到提炼。在德国,固定资产是评价个人信用的深度特性;而在中国,社会身份和信用记录是评价个人信用的深度特性。(本文来源于《安徽工程大学》期刊2019-06-10）
饶希[7]（2019）在《基于LASSO-SVM和Logistic的组合模型在个人信用评估中的应用》一文中研究指出大数据时代,我国金融行业发展迅速,人民的消费理念、投资方式随着时代在不断的发生变化。人们由原来的储蓄观念转变为超前消费,促使中国的信贷行业蓬勃发展。同时个人信用风险问题也日益凸显,给信贷行业带来巨大的挑战。个人信用评估模型是一种基于数据挖掘技术来客观预测贷款客户的违约风险,在西方发达国家,从早期的统计方法到人工智能方法,相关技术的研究和应用已经趋于成熟。由于我国建立个人征信体系较晚,个人信用体系不健全,相关的研究较为落后。在此背景下,研究如何构建预测精度更高的个人信用评估模型和如何构建一套科学的指标体系对我国信贷行业发展意义重大。本文以个人信用评估组合模型为研究对象。首先对个人信用评估模型的研究进行文献综述。接着对Logistic模型原理、LASSO方法、SVM模型原理、组合方法作了介绍,其中针对SVM模型无法筛选变量的问题,将LASSO方法和SVM模型相结合,构造了LASSO-SVM模型,针对Logistic模型和LASSO-SVM模型预测精度有限的问题,构造了基于最小二乘法的Logistic和LASSO-SVM组合模型。其次总结分析了国内学者常用的指标体系,结合个人信用指标体系构建原则和本文信贷数据集确立了本文的个人信用评估指标。最后以UCI上的德国信贷数据集作为实证数据集,先对原始数据进行了预处理,然后依次建立了Logistic模型,LASSO-SVM模型和基于最小二乘法的Logistic和LASSO-SVM组合模型,其中LASSO-SVM模型的性能受到参数的影响,采用网格搜索的方式进行优化。选取混淆矩阵和ROC曲线为模型评估标准,将叁个模型的输出结果进行对比,结果表明,基于最小二乘法的Logistic和LASSO-SVM组合模型的总分类正确率和AUC值比其它两个单一模型高,LASSO-SVM模型的总分类正确率和AUC比Logistic的高。从第一类分类错误率和第二类分类错误率来看,基于最小二乘法的Logistic和LASSO-SVM组合模型比其它两个单一模型低。通过以上的实证结果说明,基于最小二乘法的Logistic和LASSO-SVM组合模型完全可以应用于个人信用评估中。(本文来源于《江西财经大学》期刊2019-06-01）
郭孝敬[8]（2019）在《基于机器学习组合模型的个人信用评估》一文中研究指出随着国家经济实力的增强,人们的可支配收入不断增加,信用经济市场也在不断发展。居民的消费观念也慢慢地从存钱理财转向了预支未来消费,在这样的背景下,我国的消费信贷在整体上呈现一个良好上升的趋势。而个人信用评估在信用经济市场发挥着及其重要的基础作用,它促进了信用经济的发展,稳定了经济市场。伴随着消费信贷业务井喷式的发展,个人信用体系的建立需要不断得完善,此时利用新技术,推动个人信用评估体系的发展显得尤为重要。互联网的不断发展使得人们的生活也离不开互联网,大数据时代的到来告诉我们科学的数据可以客观反映我们的信用水平。生活中每个人的行为产生的信息都能通过数据记录下来,在个人信用上的信息主要有个人基本信息、还款能力和还款意愿,个人基本信息主要由年龄、性别、地区等特征构成,主要反应了这个人的基本属性,还款能力主要由资产、工资、社会关系等特征构成,还款意愿主要考察的是该人是否有相应的违约事件、违约事件的严重程度等信息,所以个人信用评估系统根据这叁个因素构成,完整地包含了有关一个人信用违约的所有数据。而个人信用评估问题是个分类问题,利用统计学方法对个人信用问题研究已经趋于成熟,在对个人信用问题进行研究时,将机器学习技术运用到其中,可以提高很多效率,并且在对大量数据的处理过程中也发挥着重要的作用。而在机器学习中存在各种分类算法都能对个人信用评估模型进行处理,鉴于学者们对单一的个人信用评估模型研究已经非常完善,本文通过比较单一模型和组合模型的优劣来开展研究。文中的数据来自于国外某信贷机构提供在Kaggle数据平台上的个人信用数据,数据量达到15万条,涵盖了个人信用体系构建的全部特征,是能够客观反映一个人信用评分的数据。文章先对数据进行了预处理,将删除法和填补法互相结合,对数据中的缺失值进行处理,再将数据中的异常值删除,得到了完整的数据集。再将数据集的四分之叁作为训练集学习出模型,四分之一作为测试集来评估模型的优劣,确保训练每个模型的数据集相同,测试每个模型的数据集相同,让对比各模型泛化能力的结果具有科学性。本文选取决策树算法和Logistic回归算法来构建两种单一模型,再进行单一模型之间准确性的对比。先研究了两种算法的基本原理,再利用各算法在完整的数据集学习出个人信用评估模型,将两个单一模型在同一个测试集上进行测试,再对比两个单一模型的分类评估结果,发现Logistic回归模型要优于决策树模型。而组合模型在个人信用评估领域中主要有两种方法:串行结构组合和并行结构组合。文章先将策树算法和Logistic回归算法分别进行串行组合,将决策树的输出结果作为解释变量,加入到Logistic回归模型的特征之中,输出一个串行组合模型,再利用测试集去对该模型测试,得出分类评估指标,研究发现,串行组合模型的分类效果都优于两个单一模型。在得到串行组合模型之后,再将两个单一模型进行并行组合。并行组合模型让两个模型的输出结果,根据不同的权重组合成一个新的输出结果,选取合适的权重,构建成一个最优的组合模型。再将构建好的组合模型在测试集上进行测试,得到分类结果,发现,最优的组合模型的分类效果要优于串行组合模型。本次研究结果表明,单一的决策树模型对个人信用评估问题的预测精度要差于Logistic回归模型,而相比于单一模型来说,组合模型中无论是串行模型还是并行组合模型对个人信用评估的研究都要更优,预测精度都要更高,在个人信用评估领域有着分类效果更准确、解释性更强等优点,显然降低了信用风险。在由决策树和Logistic回归构建的组合模型中,最优并行组合模型的分类效果要优于串行组合模型。而对于未来的个人信用评估研究来说,在组合模型研究领域,还可以利用很多方法研究出基于不同单一模型的不同结构的组合,还有很大的研究空间,是未来个人信用评估模型的研究方向。(本文来源于《江西财经大学》期刊2019-06-01）
赵楠[9]（2019）在《商业银行个人信用风险评估模型研究》一文中研究指出随着人们生活水平的提高以及经济社会的快速发展,越来越多的信用消费和贷款发生在身边,这些业务的迅速发展给银行市场的经营带来了很多的好处,占据越来越重要的作用。信贷业务本身就存在各种不可控的因素,这些不可控的因素会带来风险,这样会给商业银行业务发展带来一定的损失,没有达到预期期望的回报。因此,能够建立一套科学合理的个人信用风险模型用来辨别贷款客户的信用风险,在评估到客户的信用风险差的基础上来选择不贷款或者少量贷款以及提高贷款利率来规避可能会产生的损失,对商业银行来说是很重要的事情。本文首先根据现商业银行信贷业务的对贷款客户的信用要求,列出了全面可以包含客户各方面信息的初始指标。在德国信用数据集的基础上,通过相关性分析、主成分分析和T检验这几种常用的方法,分别得到影响个人信用风险的指标体系;在此基础上提出了用kmeans聚类获得的聚类中心用于高斯混合模型的初始参数的聚类的方法,先得到6)个新的类别指标,然后利用非参数根据指标之间存在的差异进行检验,得到具体的指标体系,最后用k近邻分类算法预测分类精度说明高斯混合聚类优化得到的指标的分类效果更好。本文用分类精度来评估个人信用风险模型的好坏,用k近邻算法分别对相关系数法、主成分分析法、T检验法、kmeans-高斯混合模型方法优化的指标体系进行样本训练,得到各个指标体系的分类精度;通过改变6)值的大小来得到不同的分类精度,样本数据的分类精度也会在改变6)值的大小而发生改变,在6)值合理的范围内找到最优的分类精度,比较初始的指标体系的分类精度,分析结果可以看出优化后更少指标形成的指标体系的分类精度更高相对于初始的分类精度提高了0.21%、0.13%、0.97%、1.27%。根据k近邻算法分类效率低的缺点,利用粒子群优化算法搜索近邻,改进的分类算法在分类精度上略微有所提高,耗时也有所缩短。分析可得PSO-knn算法在指标体系下的分类精度的比较,相对于初始的指标分类精度分别提高了,0.54%、0.13%、0.8%、1.04%。结果分析也说明knn算法和PSO-knn算法是一种有效的个人信用评估方法,同时也可以知道高斯混合模型优化下的指标体系更能反映客户的特性。(本文来源于《江西理工大学》期刊2019-05-01）
郭春桃[10]（2019）在《基于组合模型的个人信用评估研究》一文中研究指出个人消费信贷的发展,不仅有利于引导个人有计划的消费,还可以促进国民经济健康、稳定、持续的发展,但目前我国管理个人消费信贷的相关法律法规并不健全,因此,该领域将面临方方面面的信贷风险。如何在促进个人消费信贷发展的同时有效管理其带来的风险,是消费信贷业及相关主体面临的关键问题。通常的做法是对个人信用进行科学合理的预测评估。对个人信用进行科学合理的预测评估对并在此基础上开展个性化的金融服务,是理论和实务界面临的关键问题,也具有重要的研究价值。本研究拟以现代风险控制理论为基础,某银行的个人消费信贷行为数据集为研究对象,特征工程、神经网络、随机森林、梯度提升树等机器学习算法、组合模型为技术方法,探索科学合理的个人信用评估方法,进而为消费信贷业及相关主体进行决策提供科学的依据。研究表明,特征工程和组合模型的使用,不仅能够克服传统逻辑回归模型的缺陷,还可以在一定程度上提高模型的预测精度及其性能。本研究的主要内容包括:第一章为绪论部分,主要介绍了研究的背景和意义、国内外研究现状、本文的研究方法、思路及内容;第二章阐述了特征工程的步骤和相关原理;第叁章介绍了逻辑回归模型、GBDT模型、随机森林模型、神经网络模型的基本理论、组合模型的基本思想和方法以及模型的评价与对比分析的常用指标;第四章为研究的主体部分。该部分首先将某银行个人消费信贷行为数据集的原始特征进行特征工程处理,选取出影响个人信用风险的21个特征;然后将数据集按7:3比例分为训练数据集和测试数据集,并在训练数据集上将经典的逻辑回归模型与神经网络、随机森林、GBDT结合起来,建立基于逻辑回归的组合预测模型及单一的逻辑回归模型,最后通过KS和AR两个模型评估指标对以上四个模型进行评价,在比较分析的基础上,探索表达该数据集的最优模型,对个人的违约概率进行预测,进而对个人信用风险进行评估。研究结果表明,四种模型都具有良好的预测能力和风险区分度,并且基于研究数据集建立的GBDT-逻辑回归组合模型无论是从区分度还是预测能力方面都优于其他模型;第五章总结全文的基础上,提出了研究中存在的不足以及今后需要改进的问题和方向。(本文来源于《天津商业大学》期刊2019-05-01）
个人信用模型论文开题报告
（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。
（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。
个人信用模型论文参考文献
[1].张玥,赵凯,黄全生.组合核支持向量机个人信用评估模型[J].重庆工商大学学报(自然科学版).2019
[2].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
[3].刘潇雅,王应明.基于C4.5算法优化SVM的个人信用评估模型[J].计算机系统应用.2019
[4].袁章帅,李敬明,闫瑞林,严升.大学生个人信用评价模型[J].长春工业大学学报.2019
[5].张世锦.涉税会计人员个人信用评分模型的构建[J].中国乡镇企业会计.2019
[6].赵凯.结合深度自编码网络与支持向量机的个人信用评估组合模型研究[D].安徽工程大学.2019
[7].饶希.基于LASSO-SVM和Logistic的组合模型在个人信用评估中的应用[D].江西财经大学.2019
[8].郭孝敬.基于机器学习组合模型的个人信用评估[D].江西财经大学.2019
[9].赵楠.商业银行个人信用风险评估模型研究[D].江西理工大学.2019
[10].郭春桃.基于组合模型的个人信用评估研究[D].天津商业大学.2019