个人信用评分组合模型研究与应用PDF电子书下载

第1章 绪论 1

1.1 选题背景及研究意义 1

1.2 国内外研究现状及文献综述 4

1.2.1 申请评分 4

1.2.2 行为评分 11

1.2.3 利润评分 13

1.3 技术路线与内容结构 16

1.3.1 技术路线 16

1.3.2 内容结构 18

1.4 研究方法和主要创新点 19

第2章 个人信用评分的相关理论研究 22

2.1 个人信用评分的界定 22

2.1.1 信用的含义 22

2.1.2 个人信用 23

2.1.3 个人信用评分 24

2.1.4 个人信用评分体系 25

2.2 个人信用评分的经济学分析 26

2.2.1 个人信用评分与逆向选择 28

2.2.2 个人信用评分与道德风险 29

2.3 个人信用评分的一般过程 30

2.3.1 问题定义 32

2.3.2 数据采集和预处理 33

2.3.3 个人信用评分模型的建立 34

2.3.4 个人信用评分模型的检验 39

2.4 个人信用评分的应用与拓展 42

2.4.1 个人信用评分的应用 42

2.4.2 个人信用评分应用的拓展 44

第3章 个人信用评分中的数据预处理 47

3.1 个人信用数据的内容和表述 47

3.1.1 个人信用数据的主要内容 47

3.1.2 本书使用个人信用数据的描述 49

3.1.3 个人信用数据的表述 51

3.2 个人信用数据中的缺失值处理 53

3.2.1 对缺失值的单值填补和多重填补 54

3.2.2 数值实验 55

3.3 个人信用数据中异常值的检测和处理 58

3.3.1 单个属性异常值的检测和处理 59

3.3.2 异常实例的检测和处理 61

3.3.3 数值实验 62

3.4 个人信用数据的离散化 65

3.4.1 等距和等频区间离散化方法 66

3.4.2 基于熵的离散化方法 67

3.4.3 数值实验 68

3.5 个人信用数据中的不平衡数据问题研究 71

3.5.1 数据层面的解决方法 72

3.5.2 算法层面的解决方法 74

3.5.3 数值实验 76

第4章 个人信用评分的指标体系研究 78

4.1 个人信用评分指标体系构建原则 80

4.2 影响个人信用的因素分析 81

4.3 基于重要性排序的个人信用评分指标选择 84

4.3.1 χ2统计量 85

4.3.2 信息增益 85

4.3.3 信息增益率 86

4.3.4 Relief F方法 86

4.3.5 BP神经网络连接权值 87

4.3.6 组合方法 88

4.4 基于最优特征子集的个人信用评分指标选择 90

4.4.1 基于相关性的特征子集选择方法 90

4.4.2 基于一致性的特征子集选择方法 91

4.4.3 包裹法 92

4.4.4 数值实验 92

4.5 完善个体工商户信用评分指标体系的政策建议 97

第5章 个人信用评分单一模型的应用与比较 99

5.1 个人信用评分的统计模型 100

5.1.1 Logistic回归模型的原理及应用 100

5.1.2 决策树模型的原理及应用 106

5.1.3 贝叶斯网络模型的原理及应用 111

5.2 个人信用评分的非统计模型 114

5.2.1 神经网络模型的原理及应用 114

5.2.2 支持向量机模型的原理及应用 119

5.3 个人信用评分单一模型的性能比较 122

第6章 个人信用评分组合模型构建与应用 125

6.1 组合模型概述 126

6.1.1 组合模型的原理 126

6.1.2 组合模型的结构 127

6.1.3 单一模型的选择 128

6.1.4 单一模型的合成 130

6.2 串行结构的个人信用评分组合模型 132

6.2.1 串行结构的个人信用评分组合模型原理 132

6.2.2 数值实验 133

6.3 异态并行结构的个人信用评分组合模型 136

6.3.1 异态并行结构的个人信用评分组合模型原理 137

6.3.2 数值实验 138

6.4 同态并行结构的个人信用评分组合模型 141

6.4.1 Bagging、Boosting和Rsm集成个人信用评分模型 141

6.4.2 基于聚类的Bagging集成个人信用评分模型 148

6.4.3 基于聚类的选择集成个人信用评分模型 152

结论 157

参考文献 160

后记 172