导读:本文包含了信用评分论文开题报告文献综述及选题提纲参考文献，主要关键词:电子商务,逆向选择,信用机制,淘宝网
信用评分论文文献综述写法
李波[1]（2019）在《逆向选择下非标产品信用评分和担保机制有效性的研究——以淘宝网为例》一文中研究指出本文通过对购物网站上商品信用评分和担保制度有效性进行实证分析,得出二者对商品交易存在显性影响,并且相互之间存在互补的关系,在信用评分的规则下,消费者的购物行为仍受到担保措施的影响。(本文来源于《大众投资指南》期刊2019年19期）
黎春,周振宇[2]（2019）在《信用评分模型中拒绝推断问题研究:基于半监督协同训练法的改进》一文中研究指出随着我国金融市场的蓬勃发展,信用评价中的拒绝推断问题越来越受到重视。针对信用评分模型中存在的有类别标签的样本占比低,并且样本中的类别分布不平衡等问题,本文在半监督学习技术与集成学习理论的基础上,提出了一种新的算法——BCT算法。该算法通过使用动态Bagging生成多个子分类器,引入分类阈值参数来解决样本类别分布不平衡问题,以及设定早停止条件来避免算法迭代过程中存在的过拟合风险,以此对传统半监督协同训练法进行改进。通过在5个真实数据集上的实证分析发现,在不同数据集与不同拒绝比例下,BCT算法的性能均优于其他6种有监督学习和半监督学习算法的信用评分模型,显示了BCT算法具有良好的模型泛化性能和更高的模型评价能力。(本文来源于《统计研究》期刊2019年09期）
陈中飞,金铭,李小龙[3]（2019）在《P2P网络借贷利率与信用评分——国内外实证比较》一文中研究指出本文通过对比人人贷和Lending Club历史交易数据分析借款利率与信用评分之间的关系,揭示中国P2P平台资金配置和利率定价上存在的问题。研究发现,人人贷平台在设置贷款利率时信用评分的决定程度不及外国平台,但平台信用评分的违约风险识别能力远远超过国外平台。这一现象会增加投资决策成本,不利于行业长远发展。此外,本文还发现借款时长、无风险利率及部分个人信息均会影响国内外平台借款利率定价,不同的是国外平台借款利率设置还受到借款金额影响。(本文来源于《金融论坛》期刊2019年09期）
余炫朴,李志强,段梅[4]（2019）在《个人信用评分体系比较研究及其当代价值》一文中研究指出随着互联网技术的快速发展,运用大数据技术于个人信用行业是必然趋势。基于大数据技术构建的个人信用评分体系常用于互联网金融机构。大数据技术的评分体系有着处理速度快、评分指标数量庞大、评分方法更新周期短、适应性强等特点。尽管大数据构架下的个人信用评分体系有着诸多优势,但传统构架下的个人信用评分体系却掌握着关键的客户历史信用数据。打破数据壁垒,加强技术创新,将传统的个人信用评分体系与大数据技术相互融合,有助于完善我国个人信用评分体系与防控金融风险。(本文来源于《江西师范大学学报(哲学社会科学版)》期刊2019年04期）
荀涵梓[5]（2019）在《我国个人信用评估体系优化研究——以芝麻信用评分体系为例》一文中研究指出近年来,互联网金融快速发展,使得个人的消费习惯也在发生改变,传统的线下征信系统已经不足以满足个人信用体系评估所面临的问题。以芝麻信用等为代表的网络个人信用评估体系的需求日益增长,利用网络大数据和先进技术优势解决了部分个人信用评估问题,但仍然存在不足。现就我国个人信用评估方法、芝麻信用评分体系存在的问题进行分析,提出完善用于个人信用评估的基础数据库;建立科学的个人信用评估指标体系和评估模型;加大个人信用评估专业人才培养的力度等优化措施。(本文来源于《北方经贸》期刊2019年08期）
刘新海[6]（2019）在《构建数字经济时代新金融信用评分模型》一文中研究指出权威征信机构的信用评分是国内信贷市场量化风控的基础设施,建议央行征信系统进一步开放个人信用评分。国外发达的征信机构开发的信用评分往往有上百种之多,我国可借鉴相关经验开发更多的基础性信用评分,助力新金融健康和快速发展。信用评分是利用数学模型将相关数据转化成某个数值指导信贷决策,是统计学和机器学习在金融和银行业中最(本文来源于《中国银行业》期刊2019年07期）
刘彧祺,张智斌,陈昊昱,刘杨,邵党国[7]（2019）在《基于XGBoost集成的可解释信用评分模型》一文中研究指出信用评分模型是在银行信贷中提供正确指导决策的有效工具。在过去几十年中,信用评分已成为金融机构日益关注的问题,目前仍是一个热门的研究课题。但是,大多数研究中追求模型的性能表现,但忽视了决策制定过程的问责机制和信任机制。本文构建的基于XGBoost集成的可解释信用评分模型在性能良好的情况下同时兼顾模型的可解释性。选择AUC为模型性能主要评价指标,在对比实验中也加入了其他两个常用评价指标:准确率和F值。结果表明,所提出的模型的平均性能优于其他比较算法。在基分类器选择,特征选择,模型集成中均考虑到了模型的可解释性。最后,提供了模型整体及对具体样本的决策解释。(本文来源于《数据通信》期刊2019年03期）
赵子航[8]（2019）在《人工智能在个人信用评分中的应用》一文中研究指出本文介绍了个人信用在社会经济活动中的重要性,阐述了传统的信用评估方面及其不足,对基于人工智能技术的个人信用评分模型的原理进行了论述,从信用生活、金融风控两个方面介绍了基于人工智能技术的个人信用评分的应用现状,重点讨论了其面临的数据安全问题并给出针对性建议。(本文来源于《中国新通信》期刊2019年12期）
杨莎,杨天琪,杨昌富,禹光兴[9]（2019）在《贵州高校学生信用评分机制的建立及其运用研究》一文中研究指出在《青年信用体系建设规划(2016-2020年)》背景下,高校大学生信用行为意识的淡漠和缺失,迫切要求建立高校大学生信用评分机制,本文结合当下高校学生道德信用、经济信用的实际情况,对其信用档案报告进行有效记录,指出建立大学生信用评分机制的必要内容,并提出高校应加强诚信教育宣传、创建新型大学生信用评分与奖惩机制以及高校大学生信用评分机制等建议,以此提高学生信用水平,努力为青年信用体系建设贡献力量。(本文来源于《现代营销(下旬刊)》期刊2019年06期）
周凤敏[10]（2019）在《聚焦型模型平均估计及其在信用评分中的应用研究》一文中研究指出信用评分模型作为一种有效的信用风险管理工具,在银行等金融机构的信贷决策中起了重要作用。如何提高模型预测准确率并降低错判损失是信用评分研究的核心内容。逻辑回归是信用评分的重要方法,当研究者有多个备选模型时,通常使用模型选择方法选取合适的模型,然后使用选出的模型开展信用评分。作为模型选择的自然延伸,模型平均被认为比模型选择有更好的预测精度。但是现有模型平均估计并不完全适用于信用评分的领域,原因在于这些模型平均估计在构建过程中没有聚焦于错判损失。事实上,把优质客户错判为违约客户付出的代价与把违约客户错判为优质客户的代价是不相等的,通常前者小于后者。在考虑错分损失的框架下,本文构造错分损失函数,在此损失函数估计的框架下构造逻辑回归模型的模型平均法,提出一种新的权重选择方法(聚焦型折刀法模型平均,focused jackknife model averaging,即FJMA)。蒙特卡洛模拟表明,与其他已有的模型选择或者模型平均方法相比,FJMA法能有效降低错判损失。最后,利用所提出的方法分析了一组实际数据,结果表明FJMA具有较好的实际效果。(本文来源于《云南财经大学》期刊2019-06-16）
信用评分论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国金融市场的蓬勃发展,信用评价中的拒绝推断问题越来越受到重视。针对信用评分模型中存在的有类别标签的样本占比低,并且样本中的类别分布不平衡等问题,本文在半监督学习技术与集成学习理论的基础上,提出了一种新的算法——BCT算法。该算法通过使用动态Bagging生成多个子分类器,引入分类阈值参数来解决样本类别分布不平衡问题,以及设定早停止条件来避免算法迭代过程中存在的过拟合风险,以此对传统半监督协同训练法进行改进。通过在5个真实数据集上的实证分析发现,在不同数据集与不同拒绝比例下,BCT算法的性能均优于其他6种有监督学习和半监督学习算法的信用评分模型,显示了BCT算法具有良好的模型泛化性能和更高的模型评价能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信用评分论文参考文献
[1].李波.逆向选择下非标产品信用评分和担保机制有效性的研究——以淘宝网为例[J].大众投资指南.2019
[2].黎春,周振宇.信用评分模型中拒绝推断问题研究:基于半监督协同训练法的改进[J].统计研究.2019
[3].陈中飞,金铭,李小龙.P2P网络借贷利率与信用评分——国内外实证比较[J].金融论坛.2019
[4].余炫朴,李志强,段梅.个人信用评分体系比较研究及其当代价值[J].江西师范大学学报(哲学社会科学版).2019
[5].荀涵梓.我国个人信用评估体系优化研究——以芝麻信用评分体系为例[J].北方经贸.2019
[6].刘新海.构建数字经济时代新金融信用评分模型[J].中国银行业.2019
[7].刘彧祺,张智斌,陈昊昱,刘杨,邵党国.基于XGBoost集成的可解释信用评分模型[J].数据通信.2019
[8].赵子航.人工智能在个人信用评分中的应用[J].中国新通信.2019
[9].杨莎,杨天琪,杨昌富,禹光兴.贵州高校学生信用评分机制的建立及其运用研究[J].现代营销(下旬刊).2019
[10].周凤敏.聚焦型模型平均估计及其在信用评分中的应用研究[D].云南财经大学.2019