摘要

本文基于个人贷款征信记录，在个人信用评分领域利用统计学习方法如随机森林，神经网络，logistic回归，判别分析法分别建立信用评分模型，并对他们进行比较，最后给出有关结论。

关键词 信用评分 Logist回归 随机森林 神经网络 判别分析

前言

我国的个人信用评估体系还处于发展阶段，信用制度不够健全，各大银行在信用评估过程中更多采用基于经验主义的判断方法，国内学者的研究大多数都是偏向于评分指标体系的理论性研究。近年来随着我国经济的高速增长，个人住房抵押贷款逐年增加，房地产市场出现过热现象，个人信用贷款的风险也随之增加。因此，在后金融危机时代，研究我国个人信用评分，对有效识别信用风险、规避金融危机的不利影响以及保持我国信贷和金融市场的正常运转，甚至对维持国民经济的持续稳定增长都具有重大的理论和现实意义。

目的

尽量将能够预测借款人未来行为的指标加以整合,并统一成可以比较的单一指标,以显示借款人在未来一特定时间内违约的可能性,所有的信用评分模型,无论采用什么理论或方法,其最终目的都是将贷款申请者的信用级别分类。为达到分类目的,依据某种理论,在历史数据基础上构造出信用评分系统,然后输入申请者的相关指标数据,其信用水平将被评分系统估算出来并归属为相应的信用级别,为信贷决策提供依据。