面向信贷不平衡数据的信用评估模型研究的任务书.docx

面向信贷不平衡数据的信用评估模型研究的任务书
一、任务背景
近年来，我国社会经济发展迅速，不论是个体经济还是企业经济，都取得了快速的发展。但同时，由于各种原因，也出现了借贷不偿、风险增加等问题。经过多年的亟待和努力，中国的金融市场得到了空前的发展，同时带来了全新的挑战：信贷不平衡问题。此现象表现为金融机构对于不同行业，不同资质的客户在授信方面存在着过大、过小或不给予授信的现象。
因此，建立可靠的信用评估模型是解决信贷不平衡问题的必要条件，有区分度、可靠性强的信用评分模型能够有利于金融机构在信贷风险控制方面做出合理的决策。本文将围绕着此问题对面向信贷不平衡数据的信用评估模型进行研究，以期得到比较有效的解决方案。
二、任务目标
本研究旨在探讨面向信贷不平衡数据的信用评估模型，具体的研究目标如下：
1.分析信贷评估模型的现有研究状况，并对现有模型进行总结、比较和评价。
2.考虑信贷不平衡数据的特点，采用数据挖掘技术（如决策树、人工神经网络、支持向量机等）对数据进行预处理、特征选择等操作。
3.探索较为合适的信用评估模型，对比、分析各模型的优缺点，选定合适的信用评估模型。
4.建立基于选定模型的信用评估体系并分析各贡献因素的权重，提高信用评估的精度和可靠性。
5.基于实际数据进行模型验证，分析分析模型的准确性、稳定性和可移植性，并提出改进和优化。
三、任务内容
1.系统研究面向信贷不平衡数据的信用评估模型的发展历程、研究现状和最新发展动态。
2.研究信贷不平衡数据的特点，合理选取数据样本，选择合适的特征选择方法、数据预处理方法等。
3.探索较为适合的信用评估模型，选取常用的分类模型如KNN、CART、SVM等进行比较研究，分析各模型的优缺点。
4.提出一套基于选定模型的信用评估体系，并进行各贡献因素的权重分析，优化和验证。
5.针对各模型的缺陷进行改进和优化，提高模型的可靠性和准确性。
四、预期成果
1.一篇关于面向信贷不平衡数据的信用评估模型的研究报告，总结分析现有的研究成果并提出自己的见解及改进方案。
2.一套基于选定模型的信用评估体系，分析各贡献因素的权重并优化，提高信用评估的准确性和可靠性。
3.针对各模型的缺陷进行改进和优化，提出相关应对策略和建议，以进一步提高模型的可靠性和实用性。
4.一份论文，对于本次研究的过程、方法、结果进行详细的阐述，以供学术界和业界的参考。
五、预计进度
本次研究预计总共需要3个月左右的时间进行，具体分为以下几个阶段：
第一阶段（1个月）：了解和研究面向信贷不平衡数据的信用评估模型的研究现状和现有成果，确定研究方向。
第二阶段（1个月）：收集数据，对数据进行预处理、特征选择等操作，选择合适的模型，并进行模型评价和比较。
第三阶段（1个月）：建立基于选定模型的信用评估体系，并进行权重分析，验证模型的可靠性和准确性，并提出改进和优化方案。
六、参考文献
[1]王立春.支持向量机与金融风控研究.天津大学,2009.
[2]刘高鹏.基于支持向量机的信用风险评估模型研究.大连理工大学,2008.
[3]张文鹏.信贷风险评估模型研究.对外经济贸易大学,2009.
[4]QuinlanJR.C4.5:Programsformachinelearning[M].Elsevier,2014.