论文部分内容阅读
随着商品经济的繁荣发展和市场经济的不断深化,个人信贷业务成为我国商业银行发展的重点领域,如何从庞杂的信贷客户数据中发现有价值的规律,成为商业银行信用风险管理的重大挑战。利用数据挖掘技术建立个人信用评分模型,能够准确地预测客户违约概率,区分客户“好”“坏”,从而提高商业银行产品和服务的竞争力,最终优化整个社会的资源配置,刺激国家的消费增长。本文研究了数据挖掘和信用评分技术的基本理论,对某商业银行的原始客户数据(80000条观测,627个变量)展开了实证分析。通过SAS进行数据预处理,利用EM建立模型,应用决策树、逻辑回归和神经网络分别建立个人信用评分的组合模型和单一模型,并对模型的优劣作出了比较分析。