1、當前，我國個人業(yè)務的飛速發(fā)展使商業(yè)銀行積累了一定量的數據，商業(yè)銀行紛紛進行數據集中，建立數據倉庫，開始應用數據挖掘技術建立科學的個人信用評估模型，進面建立完善的個人信用評估機制，以降低個人信貸業(yè)務成本和風險。雖然進行了各種積極的嘗試，但是我國銀行業(yè)在個人信用評估模型的建立和應用方面仍處于起步階段，對各種方法建立的個人信用評分模型的準確性和適用性的研究還有待深入。在目前中國個人征信體系不完善，商業(yè)銀行個人信用信息不完整的條件下，如何建立有

2、一定參考價值的個人信用評估模型非常有意義。從現(xiàn)有的研究結果看，還沒有一致性的結論，有些結論甚至相互矛盾。本文將對此進行系統(tǒng)研究，并以某商業(yè)銀行個人信貸數據為分析對象，采用已有的數據挖掘算法進行適應性研究，使用判別分析法、Logistic回歸法、K近鄰法、決策樹和神經網絡分別建立模型對個人客戶進行分類，并比較模型表現(xiàn)。在對個人信用評估模型進行比較評價時，一般應綜合考慮以下幾個方面：模型的適用條件，模型精確度及穩(wěn)健程度，模型經濟含義解釋能力

3、，建模的效率等。對比結果顯示，Logistic回歸模型是個人信用評估最優(yōu)模型，該模型的準確率達到75％以上，訓練樣本和確認樣本誤判率相差不大，模型穩(wěn)健性好，易于理解，效率高，推廣能力強，是當前商業(yè)銀行可以采用的最優(yōu)模型，值得在實踐中推廣。 本文的研究方法：采用理論與數據相結合的思路，使用定量分析的方法，對現(xiàn)有的幾種個人信用評估方法進行對比研究。 論文主要分為五章：第一章主要介紹了數據挖掘概念及其在個人信用評估中的應用。

4、 首先闡述了數據挖掘的基本概念，介紹了數據挖掘的功能和常用技術以及基本流程；然后介紹了數據挖掘技術的應用情況及其在商業(yè)銀行風險管理方面發(fā)揮的作用。 第二章討論了個人信用評估的基本概念及其發(fā)展歷程。指出個人信用評估是對消費信貸中的個人誠實守信的意志和能力做出評價，并對目前西方國家流行幾種定量方法進行了綜述，介紹了這些方法的基本原理和前人的研究成果。最后，分析了國內研究現(xiàn)狀，強調了構建適合我國現(xiàn)狀的個人信用評估模型的必要性，指

5、出雖然進行了各種積極的嘗試，但是我國銀行業(yè)在個人信用評分模型的建立和應用方面仍處于起步階段，對各種方法建立的個人信用評估模型的準確性和適用性研究還有待深入。本章的論述為后面進行實證分析奠定理論基礎。第三章研究了個人信用評估前的數據準備問題。論文研究所采用的數據是由四川省某商業(yè)銀行提供的個人客戶歷史資料數據庫的真實數據，由于建模用的實際數據存在著不完整、不一致、不精確和重復數據，所以需要對其進行預處理，本章具體介紹了數據清洗和轉換的方法和

6、過程；然后，介紹了建模所采用的抽樣方法。 第四章應用SAS等軟件，對樣本數據使用判別分析法、Logistic回歸、K近鄰法、決策樹和神經網絡法具體構建個人信用評估模型。詳細介紹了建立模型的過程、算法、判別準則并計算了訓練樣本和確認樣本的總體誤判率及兩類錯誤率。 第五章對第四章中所建立的幾種模型進行評估和比較。分析結果認為，就本文所使用的數據而言，幾種模型建模效果在一定范圍內差別不大。相比較來說，Logistic回歸模型是

7、個人信用評估最優(yōu)模型，值得在實踐中推廣。最后，提出商業(yè)銀行具體運用過程中還需注意的幾點問題。 本文的主要特點： (1)采用商業(yè)銀行個人信貸真實數據進行實證分析，所建立的模型更符合現(xiàn)實情況。論文探討了對有噪聲的原始數據進行預處理的方法和過程，采用適當的于段對數據進行清洗和轉換，使其符合建模的要求。 (2)論文用幾種方法對樣本數據進行數據挖掘，找出客戶資信3水平和個人特征信息之間的關系，構建信用評估模型并用于預測。采

8、用對比研究的方法，對各模型進行評估比較。最終所推薦的模型具有客觀性強，預測準確高的特點，有較強的信用風險識別能力和預測能力。 (3)本文在選取建模方法時，采用了較多的非參數分析方法，由于參數分析法建模往往對數據有特殊要求，如自變量服從正態(tài)分布等，而現(xiàn)實中的數據常常不符合這一假定，非參數法對數據分布沒有特別的要求，避免了傳統(tǒng)技術對模型設定的困難。本文對非參數法在實際中的應用進行了探討，為定量分析方法應用于個人信貸風險評估提供了選擇