信貸風險的逾期預測分析與數據挖掘研究

內 容 摘 要

債務人向銀行或金融機構貸取較小的資金，同時支付一定利息的行為被普遍稱為信貸，債務人“抵押“自己的信譽來獲得貸款資格，傳統的貸款審批流程普遍存在手續繁瑣、耗費長等問題。而隨著互聯網的飛速發展，帶來的方便、快捷等優勢，可以讓用戶在線完成信用貸款申請的各項步驟。此外比如支付寶借唄、花唄、京東金條等這類產品的貸款額度會根據用戶的信譽授信額度，同時其他第三方金融平臺如租車公司，可以直接參考支付寶信用評分進行免押金服務，減少了很多手續因此也省下了很多時間，為用戶帶來了更好的體驗，對于螞蟻金服暫緩上市和對相關領導層被監管約談，也足以證明了在大數據的情況下，量化風控的優勢。當然在提高了效率的同時，也增加了偽造數據風險成本，對于過去國內風險預測，大部分依賴于專家經驗對貸款客戶進行主觀的信用評估，缺乏一定的客觀性，因此探索有效的風險預測模型，減少不良貸的發行，對信貸平臺的生存和發展有著重要的意義。有一些風險情況很少發生，但是一旦發生，導致風險的可能性就會非常大，而這類情況通過綜合的評分模型是很難體現，容易被其他指標的表現給“稀釋”掉，但通過風控管理中的策略規則能夠很好的表現出來，其實這也就是一種直觀的專家經驗。所以二者結合才是最佳輔助企業或者銀行做決策。

本文主要討論是利用logistic與one-hot處理，來預測貸款用戶是否逾期、逾期概率、評分卡轉換，最后關于其他算法的風險數據挖掘對比探討。

【關鍵詞】：信貸風險 預期損失率 數據探索分析 逾期概率��

目       錄

1、信貸風險預測的研究背景與意義

2、對于logistic、IV、woe、one-hot等理論知識介紹

3、數據一般異常處理與特征工程

4、模型搭建與評價指標的分析與評價

5、總結論文結果與提出建