数据挖掘技术在个人信贷分析中的应用

论文摘要

数据挖掘(Data Mining,DM)是指从数据中抽取隐含的、具有潜在使用价值信息的过程,是一种新型的数据分析技术,被广泛应用于银行金融、保险、政府、教育、运输等企事业单位及国防科研上。数据挖掘应用的普遍性及带来的巨大经济和社会效益,吸引了许多专家和研究机构从事该领域的研究。本文阐述了数据挖掘技术在国内外的研究现状,对目前主要的数据挖掘算法如聚类分析、分类分析、相关分析和统计分析进行了剖析,对当前最为流行的数据挖掘工具IBM Intelligent Miner、SPSS Clementine及SAS Enterprise Miner进行比较分析,阐述了数据挖掘技术的未来发展趋势。随着银行数据越来越丰富,大量的数据被描述成“数据丰富,但信息缺乏”。结果,收集在大型数据库中的数据变成了“数据坟墓”一难得访问的数据文件。这样,使得银行很多重要的决定不是基于数据库信息丰富的数据,而是基于决策者的直觉,因为银行决策者缺乏从海量数据提取有价值信息的工具。而通过数据挖掘工具进行数据分析,可以发现重要的数据模式,将银行的数据坟墓转换为知识“金块”。应用数据挖掘技术对我国金融机构有重要意义。国外银行业成功应用数据挖掘技术的例子有很多,如美国Firstar银行、Bank one银行,爱尔兰的AIB银行。国内银行在这方面应用得还不多。论文以某银行个人信贷系统的开发为背景,将数据挖掘技术应用于银行领域。论文做了大量的研究工作,如数据的获得、数据转换、数据整合及数据清理,从数据源上保证数据的正确性、一致性、完整性和可靠性。文章对个人信贷客户进行了性别、年龄的统计分析和聚类分析,掌握个人信贷客户的年龄分布情况;对个人贷款进行分析,同时对不良个人贷款数据进行了数据挖掘工作,所获得的信息有益于风险管理与控制,有利于银行业务的发展,对银行高层进行决策提供了科学的依据。最后,论文对存在的问题进行了分析,并对后续工作进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 问题的提出及研究意义
• 1.2 国内外研究现状
• 1.2.1 数据挖掘技术的研究现状
• 1.2.2 数据挖掘技术在银行领域的应用现状
• 1.3 本文研究的目的和研究内容
• 1.3.1 本文的研究目的
• 1.3.2 本文的研究内容
• 第2章 数据挖掘技术概述
• 2.1 引言
• 2.1.1 数据挖掘的定义
• 2.1.2 数据挖掘的过程
• 2.2 主要的数据挖掘算法
• 2.2.1 引言
• 2.2.2 关联规则和相关
• 2.2.3 分类分析与预测
• 2.2.4 聚类分析
• 2.3 主要的数据挖掘工具
• 2.3.1 引言
• 2.3.2 数据挖掘工具的性能比较
• 2.4 数据挖掘的发展趋势
• 2.4.1 WEB挖掘
• 2.4.2 空间数据挖掘
• 2.4.3 时间序列和序列检索
• 第3章 数据挖掘在银行个人信贷业务中的应用
• 3.1 引言
• 3.1.1 银行个人信贷业务系统概述
• 3.1.2 银行个人信贷业务风险分析
• 3.2 个人信贷客户分析模型
• 3.2.1 银行客户分类问题
• 3.2.2 个人信贷客户聚类分析模型
• 3.3 个人信贷风险分析模型
• 3.3.1 个人信贷风险管理与控制
• 3.3.2 个人不良贷款决策树模型
• 第4章 银行个人信贷业务数据挖掘实践
• 4.1 引言
• 4.1.1 问题定义与主题分析
• 4.1.2 数据挖掘工具及方法的选择
• 4.1.3 数据挖掘工具简介
• 4.2 数据准备
• 4.2.1 数据的获取
• 4.2.2 数据转换
• 4.2.3 数据清理
• 4.2.4 数据变换
• 4.2.5 数据质量分析
• 4.3 个人贷款客户情况分析
• 4.3.1 个人贷款客户性别及年龄统计分析
• 4.3.2 不良个人贷款客户分析
• 4.4 个人贷款情况分析
• 4.4.1 个人贷款业务基本情况分析
• 4.4.2 不良个人贷款分析
• 4.4.3 个人住房贷款分析
• 4.5 数据挖掘结果的评价
• 第5章 结论与展望
• 5.1 主要结论
• 5.2 后续研究工作的展望
• 参考文献
• 致谢