论文部分内容阅读
个人信贷消费已经成为我国拉动内需,促进经济增长的重要手段。在个人消费信贷的发展过程中所面对的主要问题之一就是个人信用风险难以评估和控制,致使消费信贷业务风险过高,因此对个人信用评估指标体系及评估算法的研究具有重要的现实意义。本论文围绕个人信用评估系统模型、评估指标体系、数据预处理方法及评估算法等问题进行研究,主要研究结果如下:1、针对个人信用评估系统缺乏形式化、规范化描述的问题,本论文提出了个人信用评估系统的七元组框架模型。在此基础上建立了基于SVM的个人信用评估系统模型,指出了该系统实现所必需解决的关键问题。2、依据普遍得到认可的建立评估指标体系的指导原则并且综合考虑各个指标对个人信用评估的影响,同时借鉴国内几大银行的指标体系,最终选择了性别、年龄及收入等10项指标来构建评估指标体系。3、为了提高个人信用评估的效果,本论文对评估前的数据预处理问题进行了研究,并提出了数据清洗、数据集成、数据表示和数据变换等数据的预处理方法。4、针对评估算法对于抗干扰、支持多分类、支持增量学习、支持并行学习的现实需求,本论文提出了BTFSVM算法、支持增量学习的BTFSVM算法和支持并行学习的BTFSVM算法以满足这些需求。其中,结合BTSVM算法和模糊支持向量机理论提出了BTFSVM算法以满足评估算法的支持多分类及抗干扰的需求,结合SISVM算法和BTFSVM算法提出了支持增量学习的BTFSVM算法以满足评估算法支持增量学习的需求,结合Cascade SVM算法和BTFSVM算法提出了支持并行学习的BTFSVM算法以满足评估算法的支持并行学习的需求。最后通过相应的实验证明了上述三个算法的有效性、可行性。