信贷风险的逾期预测分析与数据挖掘研究

信贷风险的逾期预测分析与数据挖掘研究

XCLW80921 信贷风险的逾期预测分析与数据挖掘研究

内容摘要

债务人向银行或金融机构贷取较小的资金，同时支付一定利息的行为被普遍称为信贷，债务人“抵押“自己的信誉来获得贷款资格，传统的贷款审批流程普遍存在手续繁琐、耗费长等问题。而随着互联网的飞速发展，带来的方便、快捷等优势，可以让用户在线完成信用贷款申请的各项步骤。此外比如支付宝借呗、花呗、京东金条等这类产品的贷款额度会根据用户的信誉授信额度，同时其他第三方金融平台如租车公司，可以直接参考支付宝信用评分进行免押金服务，减少了很多手续因此也省下了很多时间，为用户带来了更好的体验，对于蚂蚁金服暂缓上市和对相关领导层被监管约谈，也足以证明了在大数据的情况下，量化风控的优势。当然在提高了效率的同时，也增加了伪造数据风险成本，对于过去国内风险预测，大部分依赖于专家经验对贷款客户进行主观的信用评估，缺乏一定的客观性，因此探索有效的风险预测模型，减少不良贷的发行，对信贷平台的生存和发展有着重要的意义。有一些风险情况很少发生，但是一旦发生，导致风险的可能性就会非常大，而这类情况通过综合的评分模型是很难体现，容易被其他指标的表现给“稀释”掉，但通过风控管理中的策略规则能够很好的表现出来，其实这也就是一种直观的专家经验。所以二者结合才是最佳辅助企业或者银行做决策。

本文主要讨论是利用logistic与one-hot处理，来预测贷款用户是否逾期、逾期概率、评分卡转换，最后关于其他算法的风险数据挖掘对比探讨。

【关键词】：信贷风险预期损失率数据探索分析逾期概率

1、信贷风险预测的研究背景与意义

2、对于logistic、IV、woe、one-hot等理论知识介绍

3、数据一般异常处理与特征工程

4、模型搭建与评价指标的分析与评价

5、总结论文结果与提出建

信贷风险的逾期预测分析与数据挖掘研究由毕业论文网（www.huoyuandh.com）会员上传。