摘 要

随着大数据时代的到来以及互联网金融的飞速发展，各种新兴技术的不断出现以及商业模式的多元化为现今社会的金融领域提供了更加广大的发展空间，多方面、多维度的用户数据都可以在不同程度上反映用户的各种消费行为并且能够用于个人信用评估，但是对用户进行个人信用评估只是选择了其中部分维度数据并且要求数据的可靠真实性。然而在我国，传统评估方法主要通过引用央行个人征信报告，但仍然存在很多没有建立个人信用记录的用户，信用评级机构想要了解这些用户的个人征信情况成本又比较高，因此，探究和研讨大数据金融应用领域个人信用评估模型具有很重要的现实意义。

本文首先论述了BP神经网络模型的基本原理；结合数据和建模分析的实际需求，对数据进行预处理（即人工标记相关信用评分），建立基本神经网络BP模型，选择不同的算法和不同神经元的个数，利用MATLAB得到预测数据以及利用EXCEL进行实验结果误差分析，对模型优化。

关键词：个人信用评估 ；BP神经网络模型

Abstract

With the arrival and rapid development of big data era and the emergence of a variety of emerging technologies and the diversification of business models provides a broader space for development.Multi-dimensional user data can reflect the user's various consumer behavior and can be used for personal credit assessment, but only select multi-dimensional data for the user's personal credit assessment requiring reliable and real data.At the same time, in our country, the traditional assessment method mainly refers to the central bank personal credit report, but for many users who do not establish personal credit records, the costs for the credit evaluation agency to know the user’s personal credit situation is relatively high, therefore, explore and study personal credit assessment model in the area of big data usage is of great practical significance.

In this paper, the basic principle of BP neural network model is expounded. Based on the actual requirements of data and modeling analysis, preprocessing the data(artificially tag credit score),establish the basic neural network BP model , with the different algorithms and different nerves,using MATLAB to get the forecast data and using the function of EXCEL for error analysis of the experimental results ,optimize the model finally.

Key words: personal credit evaluation; BP neural network model

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 研究背景 1

1.2 研究目的及意义 1

1.3 研究内容及目标 2

1.4 论文组织结构 2

第2章 BP神经网络模型 2

2.1 BP神经网络模型 2

2.2 网络通讯运营商数据 3

第3章 大数据金融应用领域的个人信用评估模型 5

3.1数据预处理 5

3.2 个人信用评估模型 8

第4章 实验结果分析 8

4.1数据集 8

4.2评价指标 8

4.3实验结果分析 9

4.3.1开发工具 9

4.3.2 开发技术 9

4.3.3 训练窗口详细情况介绍 10

4.3.4 实验结果分析 11

4.4实例分析 19

第5章 总结与展望 19

参考文献 20

致谢 22

第1章 绪论

1.1 研究背景

个人信用顾名思义就是一个人讲信用、遵守信诺的程度。信用即征信，按照不同的参考的标准，征信的分类也不同：（1）按照业务模式的不同征信可分为企业征信和个人征信；（2）按照服务对象的不同征信可分为信贷征信、商业征信、雇佣征信以及其他征信；（3）按照征信范围的不同征信可分为：区域征信、国内征信、跨国征信等^[1]。

随着大数据时代的到来以及互联网金融的飞速发展，多方面的数据都能在不同程度上反映用户的各种消费行为信息，而各种新兴技术的不断出现以及商业模式的多元化为现今社会的金融领域提供了更加广大的发展空间，然而如何正确的处理信贷问题，减少坏账的产生，如何利用这些已有数据更加准确的进行信用评估一直都是国内外研究的内容。

在我国，传统信用评估主要是通过引用央行个人征信报告，但金融机构想要了解那些仍然存在的许多没有建立个人信用记录的用户的信用记录成本又较高，显然传统信用评估方法已然难以满足新兴的各种需求。然而我国基于互联网数据的征信服务正处于刚刚兴起的阶段，发展并不成熟，分析预测数据必须要求数据的真实性，然而我国并没有规范的制度和法律条文对互联网数据的真实性进行约束和管理；因为各行各业都有自己的标准，没有一套统一的标准可以进行跨行之间的信息交流和共享以致于信息不能及时有效的进行传递；对于用户信息的搜集和保护仍然存在漏洞，如何解决这些问题使征信服务更加健康有效的发展，建立更加完善的个人信用评估模型用于精准预测用户信用等级，减少坏账，将是研究的一大课题。

1.2 研究目的及意义

个人信用评估是综合个人用户各方面的有效信息和数据对用户的偿还债务能力、履行合约状况以及遵守信诺程度的评估。在大数据金融应用领域，个人信用评估模型是针对所评估的对象通过多维度、全面多样的用户数据分析建立起来的用于预测个人信用的可信程度的模型，其最后结果是用量化的数值来体现所评估对象的信用风险。评估的工具是评估模型，科学的建立评估模型，量化评估结果，可以更加全面、系统、准确的预测个人信用，从而快捷有效的规避金融风险。而同时，在我国个人失信违约现象在社会中并不少见，如恶意透支信用卡、超支付能力贷款消费等。而导致这些行为发生的原因就在于个人信用评估体系的不完善，个人信用评估系统的不完善导致借贷机构以及其他机构对消费者的偿还能力不能正确估计，导致坏账的产生，形成恶性循环。所以构建大数据金融应用领域的个人信用评估模型有利于减少坏账的产生，维持市场经济的秩序和正常发展。而面对运营商提供的各种用户数据，如何从中选取有用数据分析，根据数据建立预测率高的评估模型就显得尤为的重要，这也是本次课题研究的目的和意义。

1.3 研究内容及目标

（1）数据分析：面临当今的信息大爆炸，在实验建模之前对数据进行筛选分析是极其必要的。为了后期的建模工作能顺利进行，初期需要研究对运营商提供的数据进行预处理，分析运营商提供的数据以及运营商提供的数据中影响个人信用评估的变量。

（2）个人信用评估模型：基于网络通讯运营商提供的用户数据，在对数据预处理分析之后，根据变量研究个人信用评估的不同模型，从而通过实验，确定最优模型。

1.4 论文组织结构

本文一共划分为五章，各章节内容介绍如下：