信贷信息不对称下的信用卡信用风险研究

被引：63

作者：

方匡南 ^{[1
]}

吴见彬 ^{[1
]}

朱建平 ^{[1
]}

谢邦昌 ^{[2
]}

机构：

[1] 厦门大学经济学院

[2] 台湾辅仁大学管理学院

来源：

经济研究 | 2010年 / 45(S1)卷 / S1期

关键词：

信息不对称; 信用卡; 信用风险; 随机森林分类法;

D O I：

暂无

中图分类号：

F224 [经济数学方法]; F832.2 [银行制度与业务];

学科分类号：

0701 ; 070104 ; 1201 ; 020204 ;

摘要：

信用卡市场具有信贷信息不对称的特征,是信用卡风险产生的主要原因之一。在信贷信息不对称条件下,如何利用统计分析、数据挖掘等高新技术,建立可靠的分析模型,对信用卡用户的行为进行风险识别和预测,具有非常重要的意义。本文首次把改进后的非参数随机森林分类(RFC)方法应用到信用卡信用风险的评估中,并和其他模型进行比较,发现非参数随机森林方法往往要优于基准的Logitic模型和SVC模型。实证发现职业、年龄、家庭人口数、月刷卡额、学历、家庭月收入对信用风险有显著影响,而性别、婚姻状况等对信用风险影响不显著。

引用

页码：97 / 107

页数：11

共 12 条

[1]

信用卡风险管理.[M].周宏亮;穆文全编著;.中国金融出版社.2002,

[2]

数据挖掘.[M].(加)JiaweiHan;(加)MichelineKamber著;范明;孟小峰等译;.机械工业出版社.2001,

[3] 基于BP神经网络组和DS证据理论的信用风险评估算法 [J].