基于LASSO-SVM和Logistic的组合模型在个人信用评估中的应用

论文摘要

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,将三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。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 选题背景及研究意义
•     1.1.1 研究背景
•     1.1.2 研究意义
•   1.2 国内外研究现状
•     1.2.1 个人信用评估单一模型研究现状
•     1.2.2 个人信用评估组合模型研究现状
•   1.3 研究内容与方法
•   1.4 研究不足和拟创新点
•     1.4.1 研究不足
•     1.4.2 拟创新点
• 第二章 个人信用评估模型理论介绍
•   2.1 逻辑回归模型
•   2.2 LASSO-SVM模型
•     2.2.1 LASSO方法
•     2.2.2 支持向量机
•     2.2.3 LASSO-SVM构造
•   2.3 组合模型
•     2.3.1 串行结构的组合模型
•     2.3.2 并行结构的组合模型
•     2.3.3 本文构造的组合模型
•   2.4 本章小结
• 第三章 个人信用评估指标体系构建及数据预处理
•   3.1 个人信用评估指标体系构建
•     3.1.1 个人信用评估指标体系构建原则
•     3.1.2 本文确定的个人信用评估指标体系
•   3.2 样本数据来源及指标筛选
•     3.2.1 样本数据来源
•     3.2.2 样本数据指标筛选
•   3.3 样本数据的预处理
•     3.3.1 数据的标准化处理
•     3.3.2 数据的划分
•   3.4 本章小结
• 第四章 个人信用评估组合模型的实证分析
•   4.1 模型的评估方法
•     4.1.1 混淆矩阵
•     4.1.2 AUC和 ROC曲线
•   4.2 逻辑回归模型的构建
•     4.2.1 多重共线性的检验
•     4.2.2 模型建立
•   4.3 LASSO-SVM模型的构建
•     4.3.1 LASSO选择变量阶段
•     4.3.2 模型建立
•   4.4 个人信用评估组合模型的构建
•     4.4.1 基于最小二乘法组合模型思想
•     4.4.2 模型建立
•   4.5 模型比较
•   4.6 本章小结
• 第五章 总结与展望
•   5.1 论文总结
•   5.2 论文展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 饶希

导师: 万兆泉

关键词: 个人信用评估,组合模型

来源: 江西财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融

单位: 江西财经大学

分类号: F224;F832.4

总页数: 61

文件大小: 2552K

下载量: 425