摘  要

    

近年以来，我国的个人信贷业务成井喷式增长，大量的网络借贷平台如雨后春笋的诞生，成为推动经济增长的有力助力。但是，我国的个人信用评估制度还处于相对落后的水平，无法准确及时地评估出个人的信用状况，因此，信贷的风险性大大增加。通过提高个人信用评估算法的准确性，可以极大地降低信贷平台发放贷款的风险系数，减少不良贷款的发放，推动个人贷款的发展，推动经济增长。本文研究的是不同的个人信用评估算法对个人信用评估结果的影响，通过对具体数据案例的分析找出不同算法的优越点和局限之处，从各个算法的局限之处，给出科学合理的使用建议，对降低信贷风险，促进经济增长具有重要意义。

 

1 绪论 3

1.1 选题背景和意义 3

1.1.1 选题背景 3

1.1.2 研究意义 3

1.2 国内外研究综述 3

1.3 主要研究内容和方法 4

2 主要算法和评估指标简述 5

2.1 BP神经网络模型 5

2.2 Logistic回归模型 6

2.3 ROC曲线与AUC统计量 7

3 数据预处理 7

3.1 数据来源及其内容 7

3.2 定义变量 7

3.3 数据清洗 8

3.4 数据规范化处理 8

3.5 主成分分析 9

3.6 处理样本不平衡问题 10

4 变量的描述性统计 10

4.1 变量基本情况 10

4.2 描述性统计分析 11

4.2.1 总体履行合约情况 11

4.2.2 不同贷款期限的履约情况 12

5 不同个人信用评估算法模型的建模 12

5.1 BP神经网络模型 12

5.1.1 BP神经网络模型的建立 12

5.1.2 具体建模过程 13

5.1.3 模型预测效果分析 13

5.1.4 模型效果评估 14

5.2 Logistic回归模型 15

5.2.1 具体建模过程 15

5.2.1 模型预测效果分析 15

5.2.1 模型效果评估 15

5.3 模型的对比分析 17

5.3.1 预测结果的对比分析 17

5.3.2 ROC曲线和AUC值的对比分析 17

6 结论与思考 17