53基于数据挖掘的信用卡个人信用评分研究

河海大学硕士学位论文基于数据挖掘的信用卡个人信用评分研究姓名：张丽娜申请学位级别：硕士专业：技术经济及管理指导教师：赵敏20080301基于数据挖掘的信用卡个人信用评分研究作者：张丽娜学位授予单位：河海大学相似文献(10条)1.学位论文张荣数据挖掘在信用卡客户流失分析中的应用2005银行信用卡业务属于高收益、高风险的业务，如何实现对信用卡的客户流失控制是发卡银行迫切需要解决的问题。目前，随着银行积累了大量的数据，并建立了数据仓库，使得采用数据挖掘技术来实现信用卡客户流失分析成为了可能。数据挖掘是一个分析的过程，这个探索数据的过程是为了寻找可变数据之间一致的模式或相关的联系(通常这些大量的数据是典型的市场或商业相关)，然后通过应用这些挖掘出来的模式到新的数据子集中去来证实研究的结果。数据挖掘的最终目标是预测，预测型的数据挖掘是数据挖掘中最普通的类型而且有最直接的商业应用。数据挖掘的过程包含三个阶段：(1)业务理解，(2)数据准备，(3)模型的建立和验证，(4)评估。本文首先简要介绍数据挖掘的定义和基本技术，探讨了几个标准的数据挖掘流程。在总结已经实施过的银行信用卡领域数据挖掘过程的经验基础上提出银行信用卡领域内决策分析流程的商业理解、数据理解和数据准备阶段流程：先以宏观角度理解一般的银行信用卡领域的业务知识和商业流程，从商业经营基本问题：“获取利润”出发，采取一个设问的流程将大的商业问题分析为若干个子问题，并不断继续分解，获得基本的商业问题集，然后再汇集回答这些商业问题所需要分析的因素：在具体数据集上得到分析因素到物理表和字段的映射关系。最后以银行信用卡领域客户流失为例实施数据挖掘过程。2.学位论文丁刚数据挖掘在招商银行信用卡营销的应用研究2007据中国人民银行总行调查统计司的统计，截止到2005年底，我国各类信用卡的发行种类已达二十多个，发行总量约为2000万张，个人持卡数约为1200万张，约占我国人口总数的1％，信用卡市场得到了飞速的发展，各家银行的竞争也进入了白热化程度，各式各样的信用卡令人眼花缭乱。同时，在外资银行全面进入中国之前，为了争夺国内巨大的信用卡资源，为了争夺银行业的最后一块沃土，国内银行业都加大发卡力度。但是，推销信用卡与销售其他产品不一样，一般的产品卖出后交易基本完成，而信用卡发出后交易才刚刚开始，必须要让顾客用起来银行才有可能获利。怎么寻找信用卡的潜在客户？怎么让信用卡持卡人持续消费？总的说来，现在困扰中国信用卡产业发展的主要问题是：怎样寻找真正的信用卡客户？怎样让客户在交易时用卡？怎样控制风险？对于以上疑难问题，应用建立在海量数据管理之上的数据挖掘技术（DM）是一个行之有效的解决办法。数据挖掘（DataMining，DM）是指从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、有用的信息和知识的过程。其表现形式为概念（Concepts）、规则(Rules)、模式(Patterns)等形式。数据挖掘的功能包括发现概念类描述、关联规则、分类和预测、聚类、趋势分析、偏差分析和类似性分析。其中，在银行业务的数据挖掘中运用较多的是关联规则、分类和预测、聚类分析。本文首先简述了中国信用卡业务发展的历史和现状，分析了招商银行信用卡在发展过程中遇到的问题以及传统的解决办法遇到的困难。然后着重讨论和分析了数据挖掘的基本功能和步骤，以及招商银行信用卡引入数据挖掘所能解决的问题。为了进一步说明数据挖掘在招商银行信用卡营销中的作用，本文以招商银行推广正大百货联名卡为例，详细分析了数据挖掘在选择目标客户，授予及调整信用额度，客户维护及忠诚度提升中的模型技术。对比过去靠经验推广百盛联名卡，这些模型在实际应用中获得了很好的结果，为招商银行的营销决策提供了理论依据。最后根据研究的状况，进行了总结和展望。3.学位论文吴婷数据挖掘在信用卡欺诈识别上的应用研究2006近年来，随着经济的发展与世界各国金融市场的逐步开放，各国政府积极推动各种有关金融自由化与国际化的措施，导致国内外信用卡市场不断成长，以信用卡为媒介的交易行为不断激增，已有超过现金及票据交易的趋势，信用卡业务成为银行一个重要的业务收入来源。但是随着发卡量大幅度增长，经济规模扩大和市场的快速扩张，目前全球信用卡的欺诈交易正以惊人的速度增长，欺诈手法不断翻新，歹徒作案技巧日益精明，金融企业已逐渐无法有效察觉欺诈交易，带来的损失日益增加，特别是在中国社会信用体系还没有效建立和发挥作用的情况下。如何能有效、快速、准确地识别出信用卡欺诈交易已成为目前金融界普遍关心的问题。本文首先简单介绍了信用卡及其业务、风险管理的相关知识，并深入分析了信用卡欺诈风险的成因和识别防范策略，指出应该分两条线索分别加以探讨：一是仅基于交易资料的以交易为线索进行分析，二是基于客户基本资料与交易资料结合的以客户为线索进行分析。接着研究了数据挖掘的分类方法，着重介绍了支持向量机和决策树算法及这两种算法各自的优点，同时对学者们在信用卡欺诈识别研究上所作的贡献进行了文献综述。然后针对目前在分类研究中普遍存在的两个问题——样本分布的不对称性和单一分类器效能低下，提出利用k-meaIiS聚类解决样本的不对称分布，架构基于支持向量机和决策树的组合分类器，并用Adacost方法进行分类结果的融合。最后使用某商业银行的信用卡数据，在前面架构的欺诈识别模型基础上进行实证研究，并将此分析结果与在类别不对称的样本分布和使用单分类器模型情况下的分类结果比较，实证证明本文中所架构的模型适合于信用卡欺诈侦测研究。4.学位论文魏大庆基于数据挖掘的信用卡交易风险检测研究2007信用卡作为一种全新的支付手段和信用工具，已经成为众多商业银行竞相推出的产品，经营信用卡业务有高收益，同时也伴随着高风险。随着我国WTO的加入，电子商务的发展，信用体系和制度以及信用支付环境的建立，越来越多的消费者选择使用信用卡进行日常的消费支付。但对于信用卡消费，较为普遍的看法还是安全问题。与国际先进的信用卡业务的信用卡交易风险管理体系相比，我国商业银行的信用卡交易风险管理体系存在着很大差距。市场经济条件下，经济越发展，信用卡欺诈行为也越来越多，主要表现为：冒用他人信用卡交易和恶意透支、伪造信用卡诈骗、使用作废信用卡诈骗。信用卡诈骗严重扰乱了正常的金融秩序，给银行和持卡人造成很大的损失，影响银行信用卡业务的健康发展。传统的检测金融欺诈的方法主要依赖于计算机数据库系统的支持以及客户的受教育程度。这种方法有滞后性，不准确性，不及时性等缺点。本文仔细分析了信用卡交易的特点，发现采用数据挖掘技术能够有效地发现其内部隐藏的、潜在的异常交易模式，在此基础上给出了一种基于数据挖掘技术的混合检测模型，其核心部分采用数据挖掘技术中的决策树分类和神经网络来检测高风险交易行为。具体来讲做了如下工作：把信用卡的业务数据转换为数据挖掘所需要的数据格式，并进行数据清洗、离散化、缺失数据处理等；建立决策树检测模型和神经网络检测模型；建立决策树和神经网络的混合检测模型：对比分析各个模型的检测结果。本文最后还建立了一个基于决策树和神经网络的风险检测实验系统，并对检测结果进行了预测评价，最后提出了下一步的研究工作重点。5.学位论文尹华数据挖掘项目实施过程研究——基于分类的信用卡挖掘系统应用2004当今社会是一个信息爆炸的时代,如何充分利用各种各样的信息为人类服务己显得越来越重要.作为一门新兴的边缘学科——数据挖掘受到了国内外的普遍关注,成为信息系统和计算机科学领域研究最活跃的前沿领域.该文以广东省重点科技攻关项目数据仓库开发工具与智能分析平台研究(A1020103)为背景,在深入调研与分析国内外数据挖掘相关理论与应用和技术文献的基础上,归纳总结了该领域的主要研究内容和关键技术,评述了数据挖掘系统开发相关理论与技术的研究现状、存在问题与发展趋势.利用中国银行的数据仓库(广东华际友天信息科技有限公司提供)作为实验数据,主要研究了数据挖掘过程中的以下几个问题:数据挖掘项目开发过程模型、数据预处理中的数据质量分析标准、数值属性的离散化算法和决策树算法的改进.该论文的主要研究工作与成果有:1、研究与分析了数据挖掘系统开发所涉及的数据挖掘技术,数据挖掘方法论以及数据挖掘系统等相关理论的研究与应用现状及发展趋势.2、针对目前的数据挖掘过程模型在实际应用中仅考虑数据挖掘技术,忽略了项目的规划、部署与数据挖掘技术协调的问题,在已有的数据挖掘过程模型基础上提出了基于项目开发的数据挖掘过程模型,该模型将数据挖掘项目开发过程分为项目规划、挖掘准备、挖掘和项目评估四个阶段.详细地描述了针对数据挖掘项目开发各阶段(尤其是项目规划阶段)的具体任务,使数据挖掘技术能够更好地应用解决商业问题.3、完成基于数据挖掘分类技术的信用卡挖掘系统的研究与构建,验证了基于项目的数据挖掘过程理论.针对银行数据中所存在的质量问题提供数据质量分析标准规范;针对某些分类算法无法处理数值型属性提供属性预先离散化算法;针对挖掘前预先离散化所带来的偏差问题,在决策树算法基础上提出一边建树一边离散化的算法改进.该文针对上述研究内容,进行了反复的研究与论证,结果表明,该文的理论,方法与技术正确有效,为数据挖掘项目的开发提供了有效的理论指导,具有良好的实际应用前景.6.学位论文侯文喆基于数据挖掘的银行信用卡客户细分研究2008国内外信用卡市场竞争的加剧，要求国内银行信用卡业务的运营模式逐步向以客户为中心、以数据为中心、以信患为基础的国际先进模式转变，客户细分成为这种科学经营模式的前提和基础.目前我国银行对信用卡客户的细分方法还是基于经验或者简单的统计方法，但是无法满足业务发展的复杂分析需求.随着数据挖掘技术在信用卡管理中应用的深入，采用数据挖掘技术进行有针对性地客户细分变得十分重要和紧迫.这篇文章研究对象是银行信用卡客户细分模型，主要针对银行在具备大量的信用卡数据中凭借数据挖掘技术，选择合理的客户细分方法，设计科学的客户细分模型，以指导银行进行有针对性地信用卡产品或服务设计，提高客户满意度，最大化客户价值，建立以客户为中心的营销战略。这篇文章研究内容如下：首先，提出研究背景及意义，确定研究目标与方法；其次，研究客户细分的相关理论和方法，并介绍了数据挖掘技术工具，为信用卡客户细分的研究作理论铺垫；第三，结合信用卡客户细分的应用现状，对常用的细分方法进行了总结并构造了基于K-means聚类算法和决策树方法的数据挖掘模型，并通过数据加以实证研究；最后，提出了一些关于信用卡的个性化营销方式.这篇文章探索了银行如何应用数据挖掘技术和方法，实现准确、有效的信用卡客户细分，为银行信用卡客户细分问题的数据挖掘提供系统的理论与方法。对我国信用卡业务在以客户为中心的管理理念背景下，利用信息技术提高竞争力具有一定的指导意义与应用价值.7.学位论文吴继军数据挖掘在信用卡市场营销中的研究2005鉴于关联规则挖掘算法是信用卡市场营销中应用最广泛也是最重要的算法，本文对普遍应用于信用卡市场营销中的关联规则算法——Apriori算法进行了分析、研究，发现Apriori算法存在着产生大量候选集、扫描数据库次数多、运行效率不高等缺点。针对Apriori算法的固有缺点，本文提出了Apriori算法的改进算法——FP_growth算法，通过实验证明FP_growth算法相对于Apriori算法具有：不产生候选集、运行速度快和扫描数据库次数少等优点。在充分验证了FP_growth算法高效性的基础上，本文结合关联规则FP_growth算法对数据挖掘在信用卡客户消费行为和个性化营销中的应用进行了深入研究，并提出了新的信用卡市场营销策略。同时，针对新形式下，信用卡市场营销业务出现的新特点，特别以网络发展为支撑的网上业务和手机业务的相继出现，传统的基于C/S结构的数据挖掘模式己无法满足信用卡市场营销业务需求的问题，提出了基于B/S结构的信用卡数据挖掘方法。最后，本论文将FP_growth算法应用于基于B/S访问结构的信用卡市场营销挖掘系统。8.学位论文施亚明数据挖掘在信用卡客户细分与目标营销