一、个人信用评估中的LOGISTIC模型（论文文献综述）
牛晓健,凌飞[1]（2021）在《基于组合学习的个人信用风险评估模型研究》文中提出基于美国最大的P2P平台Lending Club 2019年的个人借款数据,尝试将深度学习方法引入个人信用风险评估领域,与集成学习构建串联结构的组合学习模型.具体做法是将深度神经网络的隐藏层作为"特征提取器",将原始变量转换为更高层次的抽象特征后输入随机森林、XGBoost、LightGBM和CatBoost 4种集成学习模型进行训练.研究结果表明,4种集成学习模型之间差距不大,随机森林表现最好,LightGBM训练速度最快;稀疏自编码器相比深度神经网络和主成分分析更适合作为集成学习的特征提取器,尤其是对Boosting类模型效果的提升更为明显.
陈艳君[2]（2021）在《基于Logistic回归的信用大数据处理算法研究》文中提出P2P是一种新型的互联网金融借贷方式,近年来P2P平台却频繁出现安全问题。造成此类现象的主要原因是借贷人的个人信用评估不准确而导致的连锁反应,因此对借贷人的信用数据进行有效评估可以直接降低P2P平台的信用风险。经典的信用数据处理方法无法对现代信贷领域的海量信贷数据进行精准分析,且传统的Logistic回归模型在变量较多的情况下会产生线性干扰。文中在对传统Logistic模型进行修正的基础上,加入了Lasso惩罚项以约束函数概率的估计值。实验测试结果表明,加入惩罚因子的Logistic回归模型预测结果最为精确,其AUC值相较于专家评估法与Logistic模型分别提高了6.4%和13.3%,证明文中所提出的改进Logistic模型可以准确地评估个人的信用能力,进而提示P2P平台有效地规避信用风险。
张墨竹[3]（2021）在《“一带一路”倡议下中资银行国际化区位选择研究 ——基于SVM支持向量机模型》文中指出国际化经营是世界银行业改革发展的必然趋势,也是中资银行转型发展的必要环节。对于银行国际化发展来说,无论是海外业务改革、国际并购或重组,都需要通过海外布局作为载体得以实施,而设立海外分支机构、加强区域布局是国际化最直接的表现方式,也是成就一流跨国银行的基本路径。发达国家老牌跨国银行在过去几十年间,通过海外布局大幅推动了自身的国际化进程,取得了辉煌的成就。但金融危机、欧债危机使得发达国家老牌跨国银行国际化发展进入瓶颈期,前期的业务优势、区位优势不复存在,甚至部分老牌跨国银行选择退出次要区域市场以保存竞争实力。这对于新兴经济体来说,无疑是一个抢占国际市场的机遇窗口。世界银行业的彼消此涨,使中资银行不得不思考,在经历了国际化初期的快速发展后,今天要如何进一步深化海外市场布局、强化业务管理,实现由“走出去”到“沉下去”、由“做大”到“做强”的转变?中资银行正处于谋求战略发展和国际化转型的关键阶段。然而,当前世界经济低迷,疫情影响持续,逆全球化思潮抬头,中资银行的国际化发展之路并非一帆风顺。但中国坚挺的经济金融市场,以及“一带一路”倡议、RECP自由贸易区等国际经济合作平台的逆势表现,仍为中资银行提供了足够的发展空间。特别是我国主张的“一带一路”倡议的高质量发展,更是为中资银行国际化开辟了崭新路径。于是,无论是理论界还是实务界,对中资银行国际化发展与“一带一路”倡议的相关课题研究也变得愈发关注和重视。梳理众多关于中资银行国际化发展与“一带一路”倡议的相关课题研究,我们发现,宏观研究多于微观研究、务虚探索多于务实研判,有许多问题值得思考:一是银行国际化问题的主流研究重点仍集中在如何提高银行国际化竞争力、银行国际化发展影响因子分析等课题上,而忽视了非常重要的区位选择布局及环境背景研究;二是对于中资银行作为“一带一路”倡议资金融通的中坚力量,关注两者之间勾稽推动关系的研究成果却比较少;三是少有研究者会从“一带一路”沿线整体角度切入,对区位选择问题进行具体分析,并探索建立系统数据模型,提供可量化的对策建议。基于上述问题,本文认为,对于中资银行来说,充分利用好“一带一路”倡议平台,抢占银行国际化发展机遇,区位选择布局问题是当前亟待解决的首要问题。因此,对“一带一路”倡议下中资银行国际化区位选择的研究是一项充满挑战性的工作,这不仅是对“一带一路”倡议沿线国家整体情况的广泛整理,是对银行国际化区位选择路径的深入挖掘,更是对两者间关联匹配度的创新研究。本文通过构建“一带一路”倡议与中资银行国际化合作评估体系（以下简称“中资银行国际化合作评估体系”）,选取“一带一路”倡议沿线69个国家2015年至2019年政治、经济、金融、贸易、营商数据作为样本,借助SVM支持向量机模型（以下简称“SVM模型”）进行分类评估,对“一带一路”沿线国家是否适合中资银行发展进行实证分析。同时,结合银行国际化动因涉及的指标与实证结果进行差异化对标对比,对中资银行国际化区位选择给出具有针对性的对策建议。在面对选择“一带一路”倡议沿线目标国家进行国际化布局时,中资银行可以借助研究结果,结合自身业务发展需求,做具有针对性的差异化选择,降低区位选择布局成本。同时,研究结论也能为不同性质、或处于不同国际化发展阶段的中资银行,提供可量化的区位选择建议,具有较大的现实意义和理论价值。整体研究分为六个部分:第1章,介绍论文选题的背景、意义,主要研究内容、研究方法,以及主要创新点与不足。第2章,梳理银行国际化区位选择理论研究脉络,说明相关理论基本概念,形成文献综述,并对国内外学者的研究成果进行评述。同时,为进一步探究理论运作机理,引入国内外大型银行国际化优秀案例,提炼可供借鉴的国际化区位选择经验。第3章,对中资银行在“一带一路”倡议下进行区位选择的具体影响因素进行识别,并在此基础上全面梳理中资银行与“一带一路”倡议的合作现状,判断中资银行在“一带一路”倡议下的优势和劣势。第4章,介绍中资银行国际化合作评估体系的构建思路和方法,数据库的建立和指标选取等,并进一步阐释SVM模型原理和指标内涵。第5章,运用SVM模型进行实证分析,并基于SVM模型实验结果,回归银行国际化动因理论,结合差异化指标给出有针对性的判断建议。第6章,“一带一路”倡议下中资银行国际化区位选择的主要结论和下一步建议。通过理论演绎和实证研究,本文的主要结论为:首先,“一带一路”倡议与中资银行国际化发展脉络吻合,两者发展相互助推;SVM模型实验具有较高的准确率,且结果显示实验样本集中有47个国家适合中资银行开办分支机构或进一步发展国际化业务。其次,从实证结果分析来看,在“一带一路”倡议下东盟、中欧、东欧三个区域最适合中资银行开拓发展。第三,结合实证分析结论,中资银行可以综合考虑税收法律、文化维度、环境绩效等附加因素,进一步优化区位选择结果。最后,SVM模型可实现进一步延展,待“一带一路”倡议沿线国家数据进一步完善,发展更为成熟时,可在现有模型基础上直接增加指标参数,实现模型结果的实时测度,及时帮助中资银行在“一带一路”倡议下实现国际化区位最优选择。同时,为进一步提高和巩固“一带一路”倡议下的区位优势,中资银行要做好以下几个方面安排:（1）统筹规划国际化区位选择布局战略;（2）做好自身区位选择布局阶段化安排,实现对“一带一路”倡议沿线国家网格化辐射;（3）强化中资银行在“一带一路”倡议下的国际化合作意识,加强公司治理,提升服务管理效率;（4）进一步践行可持续发展责任,以服务支持“一带一路”沿线国经济健康发展。
毛子林,刘姜[4]（2021）在《基于机器学习方法的信用风险评估综述》文中研究说明基于信用风险评估的文献随着时间的推移以及技术创新的不断更新,相关机器学习方法运用近年来也与时俱进。基于此,主要从传统的机器学习方法、近现代机器学习方法以及近三年来最新研究三个方面进行信用风险评估领域文献梳理与评述,归纳现有机器学习方法存在的问题和不足,并对未来机器学习方法在金融风控领域研究方向做出展望,提出发展趋势。
黄宝凤,祁婷婷[5]（2021）在《基于特征衍生的个人信用风险评估组合模型研究》文中研究说明在特征选择和特征衍生的基础上,分别基于特征扰动和XGBoost与Lightgbm的算法差异建立了四个单一模型;利用单一模型性能确定权重,构建了个人信用风险评估的线性组合模型。实证分析发现,有衍生特征的四个单一模型的AUC和KS均优于无衍生特征的四个单一模型,有衍生特征组合模型的AUC和KS均优于无衍生特征组合模型。实证结果表明,基于特征衍生的组合模型能显着提升个人信用风险评估的预测性能。
牛丽[6]（2021）在《基于CatBoost融合算法的信用风险评估及模型研究》文中研究指明
叶苏琴[7]（2021）在《机器学习组合模型在个人信用评估中的应用》文中研究说明
马海花[8]（2021）在《随机森林和XGBoost模型在个人信用风险评估中的应用》文中研究说明
解清[9]（2021）在《YL县农户个人信用评价研究及监管对策研究》文中研究指明
刘振龙[10]（2021）在《不平衡数据下的个人信用评估方法研究》文中研究指明
二、个人信用评估中的LOGISTIC模型（论文开题报告）
（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、个人信用评估中的LOGISTIC模型（论文提纲范文）
（1）基于组合学习的个人信用风险评估模型研究（论文提纲范文）
| 1 研究背景 |
| 2 文献综述 |
| 2.1 深度学习在个人信用风险评估的应用 |
| 2.2 集成学习在个人信用风险评估的应用 |
| 2.3 组合学习在个人信用风险评估的应用 |
| 3 基于组合学习的个人信用风险评估机制 |
| 3.1 深度学习理论 |
| 3.2 集成学习理论 |
| 3.3 组合学习理论 |
| 4 数据选取与评价指标 |
| 4.1 数据来源与处理 |
| 4.2 评价指标 |
| 5 组合学习模型的构建 |
| 5.1 特征提取器的设计 |
| 5.1.1 DNN特征提取器 |
| 5.1.2 SAE特征提取器 |
| 5.1.3 主成成分分析 |
| 5.2 集成学习分类器 |
| 6 组合学习模型的实证结果 |
| 6.1 集成学习模型对比分析 |
| 6.2 组合学习模型对比分析 |
| 6.3 关于深度学习“特征提取器”的探讨 |
| 7 结论与建议 |
（2）基于Logistic回归的信用大数据处理算法研究（论文提纲范文）
| 0 引言 |
| 1 基于Logistic回归的数据处理模型 |
| 1.1 传统Logistic回归模型 |
| 1.2 Lasso?Logistic回归模型 |
| 1.3 ROC曲线与AUC系数 |
| 2 实证分析 |
| 2.1 数据爬取与环境配置 |
| 2.2 数据预处理 |
| 2.3 数据建模与结果分析 |
| 3 结论 |
（3）“一带一路”倡议下中资银行国际化区位选择研究 ——基于SVM支持向量机模型（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 问题的提出 |
| 1.1.2 研究的背景 |
| 1.1.3 研究的现实意义与理论意义 |
| 1.2 研究内容与方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 主要创新与不足之处 |
| 1.3.1 主要创新 |
| 1.3.2 不足之处 |
| 第2章 银行国际化区位选择文献综述及经验借鉴 |
| 2.1 相关概念与文献综述 |
| 2.1.1 银行国际化概念及内涵 |
| 2.1.2 银行国际化区位选择问题国内外文献综述 |
| 2.1.3 “一带一路”下银行国际化区位选择文献综述 |
| 2.2 外资银行国际化区位选择实践经验借鉴 |
| 2.2.1 西班牙桑坦德银行国际化区位选择实践借鉴 |
| 2.2.2 美国花旗银行国际化区位选择实践借鉴 |
| 2.3 中资银行国际化区位选择实践经验借鉴 |
| 2.3.1 中国银行国际化区位选择实践借鉴 |
| 2.3.2 中国工商银行国际化区位选择实践借鉴 |
| 第3章 “一带一路”下中资银行国际化区位选择影响因素及合作现状 |
| 3.1 “一带一路”下中资银行国际化区位选择影响因素识别 |
| 3.1.1 宏观政治因素 |
| 3.1.2 贸易发展因素 |
| 3.1.3 投资发展因素 |
| 3.1.4 绿色金融因素 |
| 3.2 “一带一路”下中资银行国际化发展环境与现状 |
| 3.2.1 “一带一路”下的金融环境情况 |
| 3.2.2 中资银行支持“一带一路”建设情况 |
| 3.3 “一带一路”下中资银行国际化发展的优势与劣势 |
| 3.3.1 国际化发展的优势 |
| 3.3.2 国际化发展的劣势 |
| 第4章 “一带一路”下中资银行国际化合作评估体系构建 |
| 4.1 合作评估体系构建方法 |
| 4.1.1 合作评估体系构建的总体思路 |
| 4.1.2 数据指标总库选取的基本原则 |
| 4.1.3 最高关联度指标主成分分析 |
| 4.2 合作评估体系的指标内涵 |
| 4.2.1 政府管理指标 |
| 4.2.2 经济投资指标 |
| 4.2.3 金融发展指标 |
| 4.2.4 贸易水平指标 |
| 4.2.5 营商开放指标 |
| 4.3 合作评估体系SVM模型选择 |
| 4.3.1 线性SVM模型 |
| 4.3.2 非线性可分SVM模型 |
| 4.3.3 支持向量机SVM模型优势 |
| 第5章 评估体系SVM模型实证结果及差异化结论分析 |
| 5.1 合作评估体系呈现的SVM模型实验结果 |
| 5.1.1 综合角度SVM模型实验结果 |
| 5.1.2 引入时序角度的实验结果 |
| 5.1.3 引入地理角度的实验结果 |
| 5.2 基于比较优势理论的结论分析 |
| 5.2.1 沿线各国比较优势情况汇总 |
| 5.2.2 比较优势理论的差异化结论分析 |
| 5.3 基于国际生产折衷理论的结论分析 |
| 5.3.1 沿线各国文化维度情况汇总 |
| 5.3.2 文化维度的差异化结论分析 |
| 5.4 基于可持续发展角度的结论分析 |
| 5.4.1 社会责任视角的差异化结论分析 |
| 5.4.2 绿色金融视角的差异化结论分析 |
| 第6章 结论及相关建议 |
| 6.1 主要结论 |
| 6.2 相关建议 |
| 参考文献 |
| 攻读博士学位期间学术研究成果 |
| 致谢 |
（4）基于机器学习方法的信用风险评估综述（论文提纲范文）
| 一、基于统计学习方法的信用风险评估综述 |
| 二、基于现代机器学习方法的信用风险评估综述 |
| 三、信用风险评估文献最新研究进展 |
| 四、研究评述 |
（5）基于特征衍生的个人信用风险评估组合模型研究（论文提纲范文）
| 一、文献综述 |
| 二、基于大数据个人信用风险评估的组合模型 |
| （一）组合模型概述 |
| （二）信用评估单一模型的构建 |
| （三）信用大数据的特征工程 |
| 1. 特征衍生 |
| 2. 特征选择 |
| （四）信用风险评估组合模型的组合方式 |
| 三、基于特征衍生的信用评估组合模型的实证分析 |
| （一）数据来源 |
| （二）数据预处理 |
| （三）基于特征衍生的信用评估组合模型的预测结果分析 |
| 1. 组合模型的架构 |
| 2. 模型效果对比分析 |
| 四、结论 |
四、个人信用评估中的LOGISTIC模型（论文参考文献）
- [1]基于组合学习的个人信用风险评估模型研究[J]. 牛晓健,凌飞. 复旦学报(自然科学版), 2021(06)
- [2]基于Logistic回归的信用大数据处理算法研究[J]. 陈艳君. 现代电子技术, 2021
- [3]“一带一路”倡议下中资银行国际化区位选择研究 ——基于SVM支持向量机模型[D]. 张墨竹. 吉林大学, 2021(01)
- [4]基于机器学习方法的信用风险评估综述[J]. 毛子林,刘姜. 经济研究导刊, 2021(23)
- [5]基于特征衍生的个人信用风险评估组合模型研究[J]. 黄宝凤,祁婷婷. 征信, 2021(07)
- [6]基于CatBoost融合算法的信用风险评估及模型研究[D]. 牛丽. 太原理工大学, 2021
- [7]机器学习组合模型在个人信用评估中的应用[D]. 叶苏琴. 山东师范大学, 2021
- [8]随机森林和XGBoost模型在个人信用风险评估中的应用[D]. 马海花. 中央民族大学, 2021
- [9]YL县农户个人信用评价研究及监管对策研究[D]. 解清. 昆明理工大学, 2021
- [10]不平衡数据下的个人信用评估方法研究[D]. 刘振龙. 重庆邮电大学, 2021