资源描述：
《数据挖掘技术在个人信用评估中的应用与实现.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、应用技术焦匆热焦黔年月一日第期娜教据挖掘技术在个人信用评估中的应用与实现西南财经大学刘利红韦薇。、量间函数依赖关系或相关关系模型化一数据挖掘定义偏差检测检测数据的,、现状与历史及标准之例如结果与期望的数据挖掘就是从大量的不完全间的差别、的、有噪声的、模糊的、随机的实际应用数据中,提偏离反常实例等。取隐含在其中的潜在有用的信息和知识的过程。在二、数据挖掘技术在国外银行业的应用,商业上,特指按照既定的业务目标对大量的企业数数据挖掘技术在西方国家早已受到青睐并已据进行探索,揭示其中的规律性并进一步将之模型广泛地应用于金融领域它能帮助实现数据
2、库营销、‘化的先进、有效的方法。客户群体划分、背景分析功能、,数据挖掘集中了数据库、人工智能和数理统计交叉销售,一等市场分析行为以、等方面的知识,实现了以下功能及客户流失性分析盯客户信用记分、数据分类通过采用决策树、找欺诈发现等商业、、。,神经网络遗传算法沙集等方法发现数据与行为在美国的银行金融领域数据挖掘技术更是。,既定类别间的函数映像的过程。大显身手通过对大量金融数据进行分析发现其,,回归分析二发现变量和属性间数据模式及特征科学地细分客户群随时观察金,,。融市场的变化趋势进而规避银行信贷风险实现的依赖关系。聚类根据对象之间的差异性
3、利润最大化美国银行使用数据挖掘技术对,、、。零售信贷客户进行信用评估并将其细分为低中将对象分类高危险者,继而对每一类客户量身定做金融产品,概括对数据集合进行描述。实现留住可获利的优质客户并争取有潜力的新客户,并将市场定位于这些用户,做到以客户为中构造依赖模式将变口,应用技术吮杰耘企触之朴口年月日第期,。、,。自经成为一种成熟稳定且易于理解和操作的技术、卜三我国银行个人信用管理现状公司开发的数据挖掘产品随着我国加人以及经济全球化的发展,是最先的也是仅有的能涵盖整个数据、。挖掘过程的软件包。它结合我国银行的电子化信息化建设取得了质的飞跃了
4、数据仓库及随着银行“数据大集中”的实现,业务处理系统逐步联机分析处理技术,集成了数据获取、抽样、从分散走向集中,信贷评估也从主观逐步走向客筛选、变量转换工具、多种回归工具、建立决策树观。其中,各大商业银行都纷纷引进个人信用评分工具、人工神经元网络、数据挖掘的评价工具等它,。、系统并对之进行试点将这一整套的知识创新创造成交互的终端对终端但是,在取得成绩的同时,也应看到我国商业的解决方案,实现在堆积如“山”的数据中,通过友银行仍然面临许多挑战。一方面是国内个人信用市好的界面来挖掘出隐藏在其中的规律性,从而帮助场发展方兴未艾,个人信用消费需
5、求量很大。随着我们实现对数据的探索、清洗、调整、建模和模型评,。居民资产的增长人们单一的储蓄化倾向逐步弱价工作,、,,化消费投资及理财等需求日益增强私金客户的的过程即为抽样。,,,,需求呈现层次化和多样化趋势市场和需求的多元探索调整建模评价化为银行创利提供了机遇。另一方面,银行不能准具体实现。如图所示确、客观、科学地挑选出优质客户,挖掘出潜在客用户数据挖掘户。这致使银行丧失了许多创利的机会,导致了现抽样“”,即大量的钱放在银行贷阶段惜贷现象的出现不,“”。出去出现瓶颈盆,分类浏览器洞察再有目前我国的数据库系统虽然可以高效地、,、实现数
6、据的录人、查询、统计等功能,但却无法发现耀毅一⋯一数据中存在的关系和规则,无法根据现有的数据预。“”醚测未来的发展趋势在银行实现数据大集中的今匹罗三亘途亘盟天,银行数据空前庞大,相应提供的信息量构成了噩监噩亚份、。一一、银行一笔巨大的财富它能为银行在放款决策中提匕丽忐供真实可靠的信息源,但是这些数据却没有被利用应些红一一起来,大量的历史数据被闲置,个人信用资源利用报告率较低,不能为银行挑选优良客户提供有用决策信图一,,“息从而造成信息资源的闲置和浪费导致了数据本系统采用了软件包,通过建立”。爆炸但知识贫乏的现象模型和决策树模型,实现了
7、银行客户信用评、四数据挖掘技术在个人信用管理系统中的应。分和客户细分用州回归模型如果令因变量为二值数据挖掘使数据库技术进人了一个更高级的阶定性变量,其值为,分别表示取两个不同的状,、,段它集数据库人工智能和数理统计于一体不仅态若的概率为,则二的概率为,能对过去的数据进行查询和遍历并且能够找出过。,,,,影响的因素有则有,。坳,,‘‘去数据之间的潜在联系从而促进信息的传递它已一,《困翻州洲刻仙侧别洲划创骊防叫明翻国朋洲翻划阳别翻阳圳翻训别洲绷洲训圳细荆酬钊荆溺剧别洲训朋照服湘山叫剐翩酬剑洲刻闹训到圳沙一川酬粉酬州·﹃﹄︸篷⋯生丝竹释一一
8、一一一一丽鬓瞻森厂,,,、这种与子变量—之间的回归关系就。是回归回归模型可以处理十分广泛的一类问题。在银行客户信用风险管理方面,我们可以用表示客户违约,表示客户不违约,当利用模型计算得到的值接近时,则认为该客户信用评级较
