数据挖掘模型在小企业主信用评分领域的应用

被引：23

作者：

王磊 ^{[1
,2
]}

范超 ^{[1
,3
]}

解明明 ^{[1
]}

机构：

[1] 国家统计局国际统计信息中心

[2] 中国国际经济交流中心

[3] 中国人民大学统计学院

来源：

统计研究 | 2014年 / 31卷 / 10期

关键词：

数据挖掘; 门限Logistic; 小企业主; 信用评分;

D O I：

10.19343/j.cnki.11-1302/c.2014.10.014

中图分类号：

F276.3 [中小型企业、乡镇企业]; F203 [生产行业管理]; TP311.13 [];

学科分类号：

1203 ; 020201 ; 1201 ;

摘要：

国际经验表明,信用评分技术可较好地解决小企业贷款高成本、高风险及信息不对称难题。本文广泛选取了可适用于小企业主信用评分领域的12种数据挖掘模型(包括本文的改进模型门限Logistic),并以3个银行微观客户数据集为案例,通过10折交叉验证和预期分类错误成本的方式,检验了这些模型的综合信用评分能力。分析结果及稳健性检验表明,本文改进的门限Logistic模型在模型预测能力及预期错误分类成本等多方面表现优秀;而基于决策树的组合方法也表现良好。本研究对国内商业银行建立合适的小企业主贷款信用评分模型具有参考意义,也有助于推动银行微观金融统计,完善金融统计工作。

引用

页码：89 / 98

页数：10

共 8 条

[1] 多种个人信用评分模型在中国应用的比较研究 [J].

石庆焱 ;

靳云汇 .

统计研究, 2004, (06) :43-47

[2]

个人信用评分组合模型研究与应用[D]. 向晖.湖南大学 2011

[3]

An empirical comparison of conventional techniques, neural networks and the three stage hybrid Adaptive Neuro Fuzzy Inference System （ANFIS） model for credit scoring analysis: The case of Turkish credit card data[J] . European Journal of Operational Research . 2012 (1)

[4] A two-stage hybrid credit scoring model using artificial neural networks and multivariate adaptive regression splines [J].

Lee, TS ;

Chen, IF .

EXPERT SYSTEMS WITH APPLICATIONS, 2005, 28 (04) :743-752

[5]

Mining the customer credit using classification and regression tree and multivariate adaptive regression splines[J] . Tian-Shyug Lee,Chih-Chou Chiu,Yu-Chao Chou,Chi-Jie Lu.Computational Statistics and Data Analysis . 2005 (4)

[6]

Neural network credit scoring models[J] . David West.Computers and Operations Research . 2000 (11)

[7] Financial credit-risk evaluation with neural and neurofuzzy systems [J].

Piramuthu, S .

EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 1999, 112 (02) :310-321

[8] A comparison of neural networks and linear scoring models in the credit union environment [J].

Desai, VS ;

Crook, JN ;

Overstreet, GA .

EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 1996, 95 (01) :24-37

← 1 →