本站原创
摘要：随着银行信用业务的进展，个人信用卡呈现日益剧增的走势，为了能够有效地进行个人信用评估和风险预测，越来越多的业务部门亟需利用科学高效的数学挖掘工具作为辅助工具投入到实际业务中去。本论文针对现在国内的银行数据库系统还无法有效的利用其中的数据进行智能浅析来为商业决策提供参考这一近况，以大学生信用卡风险探讨为例，综合利用聚类算法、关联规则和决策树等策略，将个人信誉模型与数据挖掘模型相结合来建立基于数据挖掘的信用卡风险评估系统，用以发现个人信用记录中潜在的风险。首先，本论文通过对信用卡相关数据因素的浅析，建立基于大学生样本的收入模型、消费模型，并在此基础上建立了个人信贷静态最优风险模型，并且对模型进行了评价；其次，结合对风险因子的浅析，利用分类决策树的策略，提出了银行客户的信用评分模型和客户浅析模型；最后，针对分类决策树算法的局限性，革新性地改善了K-近邻浅析判别策略，并通过对该策略的实现及求解，重点探讨了客户违约行为。本论文的最终目的在于利用成熟的商业模型高效地浅析大学生信用卡相关数据，为推动建设个人信用系统、加速全面地进行个人风险评估制度建立这类商业实践提供论述指导和技术支持。关键词：信用卡风险论文数据挖掘论文系统构建论文
摘要4-5
Abstract5-8
表目录8-9
第一章 绪论9-14
1.1 探讨背景和作用9-10
1.2 国内外探讨动态10-12
1.3 本论文主要工作12-14
第二章 数据挖掘技术与信用卡风险模型14-21
2.1 数据挖掘技术14-16
2.1.1 数据挖掘的定义14
2.1.2 数据挖掘的功能14-16
2.2 聚类算法16-18
2.2.1 聚类浅析16-17
2.2.2 关联规则17-18
2.3 信用卡风险评估18-19
2.3.1 个人信用卡风险18
2.3.2 个人信用浅析策略18-19
2.4 基于数据挖掘技术的信用卡风险评估19-21
第三章 基于数据挖掘的信用卡风险评估系统设计21-38
3.1 系统架构设计21-25
3.2 信用卡数据的信息集成25-28
3.3 信用卡风险模型设计与浅析28-38
3.3.1 个人信贷静态最优风险模型30
3.3.2 模型评价30-32
3.3.3 信用卡数据的分类决策树浅析32-38
3.3.3.1 系统搭建33-34
3.3.3.2 数据结构的构建及模型求解34-38
第四章 基于 K-近邻算法的模型改善及求解38-47
4.1 模型改善38-39
4.2 模型求解及浅析39-47
第五章 总结和展望47-48
致谢48-49