开题报告 信用卡申请评分模型研究 数据挖掘

一、论文题目

基于数据挖掘技术的信用卡信用评分模型研究

二、论文选题理论意义、实用价值

近十年来，受经济的飞速发展，中国的信贷消费特别是面向消费者个人的信用消费蓬勃发展，汽车贷款、住房按揭、助学贷款、信用卡消费等逐渐走入人们的生活中。个人消费信贷的蓬勃发展以及消费信贷业务风险与回报相对应的客观规律，使商业银行等授信机构在追逐巨额利润的同时，不得不面对巨大的潜在不良信贷风险，从而信用风险管理逐渐成为商业银行个人消费信贷管理的一个核心领域。商业银行需要客观、全面、准确地评估消费者的还款能力和还款意愿，以避免、控制、减少坏账损失。

信用评分模型技术的发展和应用，就是应个人消费信贷金融机构风险管理的需要而诞生的。信用评分模型是欧美消费信贷管理广泛应用的技术手段。它运用先进的数据挖掘技术和统计分析方法，通过对消费者的人口特征、信用历史记录和行为记录等大量的数据进行系统的分析，挖掘数据中蕴含的行为模式、信用特征，捕捉历史信息和未来信用表现之间的关系，发展出预测性的模型，以一个信用评分来综合评估消费者未来的某种信用表现，作为消费信贷管理的决策依据。

欧美国家的使用经验表明，个人信用评分具有处理客户贷款申请速度快、成本低、处理的标准一致和客观等特点，在消费者信用风险管理中发挥着重要的作用，同时个人信用技术不仅被广泛地应用于信用卡等消费信贷、住房按揭贷款等领域，也被成功地应用于中小企业贷款申请评估、信用卡欺诈预防、基于风险的利率定价、直销相应评分及资产证券化等领域，因而信用评分模型具有很强的应用潜力。

然而，对于这样一个在西方发达国家行之有效的信用风险管理技术，国内银行使用的不多，学术的研究也很落后。国内银行信用风险控制和管理能力还比较弱，个人信用评价工作相当不完善，缺乏科学统一的风险度量方法和工具，无法准确地度量借款人风险和产品风险，还不能对信用额度实施有效的科学管理。造成这方面的原因是多方面的，首先由于我国的信用建设起步比较晚，社会征信体系不完善，缺乏与个人信用评估相关的资料。其次缺乏专业的个人信用研究人员和专业的个人信用评估机构，致使没有相对统一合理的评估标准、评估方法和指标体系。因此借鉴国外先进经验，在现有的条件下，利用信息系统中的数据和信息，建立一个具有一定预测能力、在信贷决策中具有一定参考价值、符合我国国情的个人信用评分模型将有助于银行拓展个人消费信贷业务，提高其综合竞争力，保障我国金融秩序稳定，具有很强的理论价值和现实意义。

个人信用评分模型的必要性具体体现在如下四个方面：

首先，使用个人信用评分模型，可以帮助银行减少贷款审批时间，争取放款实效。据美国消费银行协会的一份资料，以前不使用个人信用评分模型，小额消费信贷的审批平均需要12小时，如今这类贷款的审批缩短到15分钟。使用个人信用评分模型后，信用卡的审批只要一两分钟，60％的汽车贷款的审批可以在l小时内完成。

其次，个人信用评分可以作为核定信用额度及收帐策略的参考。利用信用评分的结果，可以核定信用条件、交易条件及信用额度，例如什么范围的评分结果，必须提供担保或保证人；达到哪一标准以上，才可授予多少信用额度等；还可以预测客户履行债务的情况，根据信用得分决定该客户的收款方法与收款时间。

此外，个人信用评分能够帮助金融机构确定消费贷款利率，对高风险的客户提供较高的利率，反之亦然。这些都可以帮助金融机构更为有效地和有利地管理他们的账户，而且利润评分可用于在一系列金融产品中追求利润最大化。

最后，个人信用评分不仅为银行等金融机构进行消费贷款风险控制提供准确、客观的依据，而且加快了消费信贷的业务速度，降低了消费信贷的操作成本，在模型出现误差时也可

以快速地找出原因，并对模型的参数进行调整。

综上所述，可以得出结论：个人信用评分模型是有效控制信用风险、扩大信贷规模的有力武器，建立个人信用模型，对消费贷款的申请人的信用进行科学的度量，小到银行对个人信用风险的控制，大到保障我国金融秩序的稳定都具有积极而重要的意义。

论文在探讨各种信用技术的前提下，试图研究该技术的具体实现，为该技术的应用提供一定的参考。

二国内外研究现状与发展趋势

1.国外的研究状况

国外几代学者经过长达几十年的探索研究，信用评分模型在技术上基本成熟。

杜尔兰德(Durand)第一个将Fisher提出的判别分析法用于信用评分，用来区分“好"的贷款和“坏”的贷款。需要注意的是线性判别法进行信用分析时，对数据有严格假定。数据需服从正态分布，各总体协方差阵必须相等，而这些要求在现实中是很难满足的。同二次判别函数相比，线性判别函数具有更多优点，多数学者在用判别分析法建立信用模型时，往往忽略假设依然选用线性判别函数，这使得线性判别分析成为信用评分领域最为广泛的方法之一。

Wiginton，1980年首次在信用评分模型中采用Logistic回归方法，并把它与判别分析法进行比较。与判别分析法相反，Logistic回归法不要求变量必须满足正态性的假设，理论基础比较好：再加上Logistic回归法在应用时，准确性和稳定性方面表现上佳，因此被学者认为是最适合发展信用评分模型的理论。

20世纪80年代，决策树方法开始应用于信用评分领域，之后有学者将决策树方法与判别分析方法进行了比较，认为两者旗鼓相当，在有些情况下，决策树方法的表现或许更佳。

在非统计学方法中，线性规划方法应用的比较早，20世纪60年代就有线性规划在信用评分领域的文献报道。尽管有部分学者认为统计学方法要比线性规划方法好，但是大部分文献都认为线性规划与统计学方法的效果相当。

20世纪90年代，人工神经网络应用于信用评分模型中。当然大部分神经网络模型用于对公司的信用评分，在个人信用评分领域的应用相对比较少，得出的结论是在各种特征变量呈复杂非线性关系的情况下，神经网络方法具有明显的优势。也有少部分学者将遗传算法应用于个人信用评分领域，但是相比较其他方法，效果不佳，在实际中不被推崇。

在消费者个人信用评分的实务方面，美国的Equifax公司和环联("EransUnion)以及英国的益百利(Experian)等是世界上最大的三家个人征信机构。平均每家公司拥有2亿份个人信息文件，覆盖全美、加拿大和欧洲部分地区。三家征信公司一天提供480多万份消费者信用报告。

2.国内研究状况

从国内研究来看，由于我国社会征信体系建设的落后，理论研究和实务方面都相当落后。在理论研究领域，虽说成果不多，但也有部分专家学者利用国内银行的数据开发信用评分模型，取得了一定的研究成果。

1999年下半年，中国建设银行济南分行出台的<个人信用等级评定办法》是我国首部消费信贷个人信用等级评定方法。该办法规定，银行将持卡人的年龄、学历、职业、收入和家庭资产等信息资料汇集起来形成14个指标，针对个人客户个人还款能力和资信状况，设立7类个人信用等级，为AAA、AA、A、BBB、BB、B、C七个等级，不同信用等级的客户享受的透支额度不同。但该方法仅能判断一个人在该行的信用情况，而对其在其他银行的信用状况不清楚．随着2005年，央行个人征信系统的联网运行，个人信用评估工作逐步迈向规范化发展，越来越多的商业银行利用征信系统开展信用评分工作，建立自己的信用评分系统。

李曙光(2003)在《个人信用评估研究》中将个人信用评分分为个人行为评分、利润评分、