互联网消费金融贷款产品客户有效识别研究
发布时间：2022-06-28 09:22
伴随着互联网金融的快速发展,互联网金融产品孕育而生,其主要产品包含线上的理财、保险和贷款等。但由于国内个人征信体系不健全、个人征信报告结果不全面以及个人征信行业正面临的种种机遇和挑战,局面错综复杂导致我国网贷产品的有效客户识别程度达不到能快速且准确的选择出高意愿、低风险、好信用的有效用户。同时,由于国内宏观经济发展、消费者观念的转变和消费信用贷款的便利、贷款产品的模式转变等一系列因素的影响,我国的消费信用贷款业务发展较快,消费信用贷款已逐步成为人们目前的主要生活与消费习惯,我国的消费信贷发展空间巨大。随着互联网消费金融贷款产品的迅猛发展,客户违约和违约后的不良后果时有发生,只有对目标客群进行准确的识别定位,对产品有很精准的认知,对客户的信用情况和对产品所需要承担的偿还风险进行一定程度的量化分析,才能加强个人消费信用贷款的风险管理,降低信用贷款的风险,这对贷款公司资金的安全性和整体的盈利能力有着十分重要的意义,因此,论文研究具有实际意义。本文首先对于我国征信市场的研究现状和现存问题进行了梳理,其次,对个人征信行业的发展现状和现存挑战进行有条理性的总结。随后,对互联网金融贷款产品的有效客户...
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 研究意义
1.3 相关研究文献综述
1.3.1 互联网消费金融贷款的现状与问题
1.3.2 互联网消费金融贷款产品的有效客户识别
1.3.3 互联网消费金融贷款产品有效客户识别的方法与应用
1.4 研究目的、思路与研究内容
1.5 研究方法与技术路线图
第二章 互联网消费金融贷款产品现状分析
2.1 互联网消费金融贷款的发展现状
2.2 互联网消费金融贷款产品问题表现及成因
2.2.1 个人征信体系数据采集不全面
2.2.2 信息主体的数据安全性低
2.2.3 综合信用评价的适用性低
2.2.4 海量数据训练模型选择难
2.3 本章小结
第三章 大数据信贷产品有效用户识别案例分析
3.1 用户信用识别
3.1.1 中国人民银行征信用户识别
3.1.2 美国FICO信用分用户识别
3.2 信贷产品有效用户识别
3.2.1 蚂蚁金服“蚂蚁花呗”有效用户识别
3.2.2 拉卡拉“易分期”有效用户识别
3.3 本章小结
第四章 客户数据指标选取与预处理方法
4.1 互联网金融贷款产品介绍
4.2 数据准备
4.2.1 样本选择
4.2.2 样本数据指标搜集
4.2.3 好坏客户定义
4.3 数据清洗
4.4 数据预处理
4.5 数据源样本选取
4.6 本章小结
第五章 Logistic-DEA有效用户识别模型
5.1 Logistic-DEA模型流程
5.2 逻辑回归模型训练与结果
5.3 数据包络分析(DEA)模型
5.3.1 DEA理论概述及基本操作流程
5.3.2 DEA基本模型CCR模型
5.4 运用DEA进行数据预处理
5.5 新指标后逻辑回归模型结果
5.6 模型验证
5.6.1 模型准确率检验
5.6.2 混合矩阵检验
5.6.3 用户评分高低命中率检验
5.6.4 Kolmogorov-Smirnov测试检验
5.7 模型小结
5.8 本章小结
第六章 结束语
6.1 研究结论及建议
6.1.1 研究结论
6.1.2 互联网金融发展建议
6.2 本文主要工作和可能的创新之处
6.3 未来的研究展望
参考文献
附录1 程序清单
附录2 攻读硕士学位期间撰写的论文
附录3 攻读硕士学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]P2P平台信用风险分析与思考[J]. 宁红泉. 经贸实践. 2018(23)
[2]决策树算法在客户流失建模中的应用[J]. 朱正键,胡芬芬,梅嘉玲. 移动通信. 2018(11)
[3]我国个人征信市场研究[J]. 张雯多. 吉林金融研究. 2018(10)
[4]大数据分析在互联网金融营销中的应用机制[J]. 游筱婷. 德州学院学报. 2018(04)
[5]基于逻辑回归的P2P网贷信用风险评估研究——以微贷网为例[J]. 李淑锦,詹子涵. 生产力研究. 2018(08)
[6]基于Logistic-DEA的互联网金融贷款产品有效客户识别[J]. 刘冰清,卢子芳,朱卫未,尹相菊. 管理现代化. 2018(04)
[7]互联网金融对商业银行核心业务的影响——基于2006～2016年我国主要商业银行的面板数据[J]. 李朋林,董一一. 财会月刊. 2018(10)
[8]大数据在传统贷款风控中的应用[J]. 刘扬,姬建华. 科技传播. 2018(03)
[9]用户画像在互联网金融中的应用[J]. 沈金波. 现代商业. 2017(33)
[10]互联网金融对银行信贷业务的影响研究[J]. 王贝贝,刘欣欣. 现代经济信息. 2017(07)
本文编号：3653957
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 研究意义
1.3 相关研究文献综述
1.3.1 互联网消费金融贷款的现状与问题
1.3.2 互联网消费金融贷款产品的有效客户识别
1.3.3 互联网消费金融贷款产品有效客户识别的方法与应用
1.4 研究目的、思路与研究内容
1.5 研究方法与技术路线图
第二章 互联网消费金融贷款产品现状分析
2.1 互联网消费金融贷款的发展现状
2.2 互联网消费金融贷款产品问题表现及成因
2.2.1 个人征信体系数据采集不全面
2.2.2 信息主体的数据安全性低
2.2.3 综合信用评价的适用性低
2.2.4 海量数据训练模型选择难
2.3 本章小结
第三章 大数据信贷产品有效用户识别案例分析
3.1 用户信用识别
3.1.1 中国人民银行征信用户识别
3.1.2 美国FICO信用分用户识别
3.2 信贷产品有效用户识别
3.2.1 蚂蚁金服“蚂蚁花呗”有效用户识别
3.2.2 拉卡拉“易分期”有效用户识别
3.3 本章小结
第四章 客户数据指标选取与预处理方法
4.1 互联网金融贷款产品介绍
4.2 数据准备
4.2.1 样本选择
4.2.2 样本数据指标搜集
4.2.3 好坏客户定义
4.3 数据清洗
4.4 数据预处理
4.5 数据源样本选取
4.6 本章小结
第五章 Logistic-DEA有效用户识别模型
5.1 Logistic-DEA模型流程
5.2 逻辑回归模型训练与结果
5.3 数据包络分析(DEA)模型
5.3.1 DEA理论概述及基本操作流程
5.3.2 DEA基本模型CCR模型
5.4 运用DEA进行数据预处理
5.5 新指标后逻辑回归模型结果
5.6 模型验证
5.6.1 模型准确率检验
5.6.2 混合矩阵检验
5.6.3 用户评分高低命中率检验
5.6.4 Kolmogorov-Smirnov测试检验
5.7 模型小结
5.8 本章小结
第六章 结束语
6.1 研究结论及建议
6.1.1 研究结论
6.1.2 互联网金融发展建议
6.2 本文主要工作和可能的创新之处
6.3 未来的研究展望
参考文献
附录1 程序清单
附录2 攻读硕士学位期间撰写的论文
附录3 攻读硕士学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]P2P平台信用风险分析与思考[J]. 宁红泉. 经贸实践. 2018(23)
[2]决策树算法在客户流失建模中的应用[J]. 朱正键,胡芬芬,梅嘉玲. 移动通信. 2018(11)
[3]我国个人征信市场研究[J]. 张雯多. 吉林金融研究. 2018(10)
[4]大数据分析在互联网金融营销中的应用机制[J]. 游筱婷. 德州学院学报. 2018(04)
[5]基于逻辑回归的P2P网贷信用风险评估研究——以微贷网为例[J]. 李淑锦,詹子涵. 生产力研究. 2018(08)
[6]基于Logistic-DEA的互联网金融贷款产品有效客户识别[J]. 刘冰清,卢子芳,朱卫未,尹相菊. 管理现代化. 2018(04)
[7]互联网金融对商业银行核心业务的影响——基于2006～2016年我国主要商业银行的面板数据[J]. 李朋林,董一一. 财会月刊. 2018(10)
[8]大数据在传统贷款风控中的应用[J]. 刘扬,姬建华. 科技传播. 2018(03)
[9]用户画像在互联网金融中的应用[J]. 沈金波. 现代商业. 2017(33)
[10]互联网金融对银行信贷业务的影响研究[J]. 王贝贝,刘欣欣. 现代经济信息. 2017(07)
本文编号：3653957
本文链接：https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/3653957.html