摘要
随着全球经济的快速发展以及资本市场的垄断,无论是企业的发展还是人们超前消费观念的提前到来,贷款已成为企业和个人解决经济问题的一种重要手段。对于银行业或者小贷机构而言,信用卡以及信贷服务是高风险和高收益的业务,如何通过用户的海量数据挖掘出用户潜在的信息即信用评分,并参与审批业务的决策从而提高了风险防控措施,该过程不仅提高了业务的审批效率而且给予了关键的决策,同时风险防控如果没有监测到位,对于银行业来说会造成不可估量的损失,因此这部分的工作是至关重要的。通过某银行脱敏的信用卡客户数据,通过建立现阶段比较热门的机器学习Logistic模型来研究客户信用的关键指标对模型的作用,从而对信用卡用户的违约情况进行提前预测分析。个人贷款违约预测模型的建立以及后期的关键指标的探索,在银行业或者小贷机构的贷前审批以及贷中的管理决策中都有很好的指导作用,并且具有很强的实践性和意义。
引文
[1] 舒扬,杨秋怡.基于大样本数据模型的汽车贷款违约预测研究[J].管理评论,2017,29(09):59-71.
[2] 王粟旸.商业银行小微企业违约风险管控及违约概率估计模型研究[D].南京:南京大学,2014.
[3] 章宁,陈钦.基于TF-IDF算法的P2P贷款违约预测模型[J].计算机应用,2018,38(10):3042-3047.
[4] 朱伟义,乔琳霏.基于多维特征逻辑回归识别模型的排队监测方法[J].电气自动化,2018,40(06):94-97.
[5] 李佳,黄之豪.银行信用风险预测——基于SVM和BP神经网络的比较研究[J].上海立信会计金融学院学报,2018,(06):40-48.
[6] 姚兰兰.浅析商业银行信用风险管理存在的问题与对策[J].现代商业,2018,(31):84-85.
[7] 金美子.我国商业银行信用风险管理存在的问题及监管对策[J].现代商业,2018,(28):73-74.