信用评分模型比较综述——基于传统方法与数据挖掘的对比

• 作者: 何珊 刘振东 马小林
• 来源期刊: 征信
• 学科: 经济
• 关键词: 信用评分 数据挖掘 决策树 神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信用评分
• 页码范围: 57-61
• 页数: 5页
• 分类号: F832.4
• 字数: 5516字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-747X.2019.02.012

摘要

信用评分是银行等金融机构评估贷款申请人、决定是否为贷款人放款的重要依据.欧美国家的保险公司使用评分系统来评估新的投保人和潜在客户可能给保险公司带来的风险.信用评分系统为潜在的贷款申请人设定评分模型.评分模型的优点是能够以最少的人力快速处理大量的信用申请,从而减少运营成本,并且可以有效替代没有经验的信贷工作人员,从而有助于控制坏账损失.采用判别分析、逻辑回归等传统信用评分模型和人工智能方法探讨信用评分模型的性能,使用真实数据集的实验,结果表明,分类回归树和神经网络在预测精度和第二类错误方面优于传统的信用评分模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何珊		13	26	4.0	4.0
2	刘振东		1	6	1.0	1.0