数据挖掘在信用卡信用风险管理中的应用

论文摘要

信用卡业务的迅速崛起为我国银行业带来了巨大商机。但与此同时,国内各大商业银行也正面临着前所未有的挑战。是否具有强大的平衡风险与收益的能力是信用卡业务成败与否的关键,提高商业银行的信用卡风险管理能力刻不容缓。先进的数据挖掘技术能够从海量的信用卡业务数据中挖掘出一些未知的、有价值的规律,无疑为商业银行信用卡信用风险管理提供了强有力的技术支持。本文针对信用卡信用风险计量技术进行研究分析,将当前数据分析领域最为先进的数据挖掘技术应用于商业银行信用卡信用风险管理中。文章从信用卡及信用卡风险的基本概念与特点出发,总结了信用卡信用风险管理方面的研究成果。详细地阐述了数据挖掘理论,重点介绍粗糙集方法的基本原理,及其在信用卡信用风险管理领域的适用性,在此基础上,运用粗糙集技术、判别分析方法与Logistic回归模型,分别对银行信用卡业务数据进行建模及比较分析。本文通过理论分析和实证对比,验证了粗糙集数据挖掘技术在信用卡信用风险分析中的有效性,并对我国的信用卡信用风险管理提出了建议。本文的创新之处主要在于:1、将粗糙集数据挖掘技术引入我国的信用卡信用风险管理领域,系统地探讨了粗糙集方法的基本原理,及其在信用卡信用风险管理领域的适用性。2、运用粗糙集技术对信用卡数据进行信用风险分析,并与判别分析方法、Logistic回归模型的实证结果进行对比,表明粗糙集模型的预测效果最佳。3、从上述研究结果出发,验证了粗糙集数据挖掘技术在信用卡信用风险分析中的有效性,为我国信用卡信用风险管理提供了一种新的思路,并提出了一些有价值的建议措施。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 第一节 研究的背景
• 第二节 研究的意义
• 第三节 研究的主要内容
• 第二章 信用卡及信用卡风险管理理论
• 第一节 信用卡及信用卡风险
• 第二节 信用卡信用风险管理
• 第三章 传统的信用风险管理方法
• 第一节 专家制度法
• 第二节 基于统计方法的信用风险计量模型
• 第四章 基于数据挖掘技术的信用风险管理方法
• 第一节 数据挖掘技术
• 第二节 粗糙集理论
• 第三节 数据挖掘方法在信用卡信用风险管理中的应用
• 第五章 信用卡信用风险管理的实证研究
• 第一节 粗糙集技术在信用卡信用风险管理中的应用
• 第二节 多元判别分析在信用卡信用风险管理中的应用
• 第三节 Logistic回归模型在信用卡信用风险管理中的应用
• 第四节 判别结果比较
• 第六章 总结
• 一、主要结论
• 二、建议措施
• 三、总结与展望
• 参考文献
• 附录
• 致谢