Warning: filemtime(): stat failed for E:\wwwroot\51lunwenwang\Storage\Sessions\80QAGFF8AH2mET7j3O2k7RtfZlXhrgkVnyAu9iKC in E:\wwwroot\51lunwenwang\Core\Seaway\Session\FileSessionHandler.class.php on line 64

Warning: filemtime(): stat failed for E:\wwwroot\51lunwenwang\Storage\Sessions\B7d0OoEsW2Fch5w9ETsDw7Q3ibTjnUWW3L5rM3mB in E:\wwwroot\51lunwenwang\Core\Seaway\Session\FileSessionHandler.class.php on line 64

Warning: filemtime(): stat failed for E:\wwwroot\51lunwenwang\Storage\Sessions\EVRYSljdM1mrg8AAg8TpjqdeyWTYkvwqiDuIMitX in E:\wwwroot\51lunwenwang\Core\Seaway\Session\FileSessionHandler.class.php on line 64

Warning: filemtime(): stat failed for E:\wwwroot\51lunwenwang\Storage\Sessions\H8oSNDxsx6MxkWqNUfQ8u0mODSEaCe0wFaXrlJh1 in E:\wwwroot\51lunwenwang\Core\Seaway\Session\FileSessionHandler.class.php on line 64

Warning: filemtime(): stat failed for E:\wwwroot\51lunwenwang\Storage\Sessions\KMBSPjixqqvnRWBiXoS4OhqxrHsiKS9g8BQKQWKp in E:\wwwroot\51lunwenwang\Core\Seaway\Session\FileSessionHandler.class.php on line 64

Warning: filemtime(): stat failed for E:\wwwroot\51lunwenwang\Storage\Sessions\Shw2lMLITqmzVwGRMPfAeNZP6SBYHovBRCJNVd2j in E:\wwwroot\51lunwenwang\Core\Seaway\Session\FileSessionHandler.class.php on line 64
基于联邦学习的W信贷公司个人信用风险评估探讨 - 工商管理 - 无忧论文网

工商管理论文栏目提供最新工商管理论文格式、工商管理硕士论文范文。详情咨询QQ:1847080343(论文辅导)

基于联邦学习的W信贷公司个人信用风险评估探讨

日期:2024年01月04日 编辑:ad201107111759308692 作者:无忧论文网 点击次数:226
论文价格:150元/篇 论文编号:lw202401021735073434 论文字数:32533 所属栏目:工商管理论文
论文地区:中国 论文语种:中文 论文用途:硕士毕业论文 Master Thesis

本文是一篇工商管理论文,本文通过研究国内外信用风险评估发展的现状,结合信用风险的相关理论,研究联邦学习的原理,对W信贷公司个人信用风险评估的问题进行分析梳理,提出以联邦学习的方式构建个人信用风险评估体系。

第1章绪论

1.1研究背景及意义

1.1.1研究背景

工商管理论文怎么写

个人信用风险是银行、消费金融公司、支付公司等金融机构在个人消费信贷过程中面临的核心风险,如何有效地管理和控制信用风险是金融机构的核心任务。使用个人信用风险评估模型来准确衡量用户的信用风险并进行有效管理可以提高银行评估风险、预防风险、识别风险和控制风险的能力,从而提高整体业务风险控制能力并从根本上降低不良贷款率。

随着互联网、移动互联网、物联网、5G等行业发展,我国数据总量增长快速,数据增长速度越来越快,越来越多的企业拥有庞大数据,数据经济时代已经到来。个人信用风险依赖于数据特征质量和模型算法,随着互联网技术和应用场景的发展,用户在互联网上产生的数据越来越全面,个人信用风险依赖的数据随着也越来越丰富。

然而,随着对数据隐私和数据安全的保护,相关法律法规的出台,传统联合建模使用数据的方式有泄露用户隐私和缺乏安全性等问题,导致个人信用风险评估模型在构建中可以使用的数据范围变小且使用难度提高,制约了个人信用风险评估模型的优化提升,影响了金融机构对消费信贷风险管理把控能力的维持和提升,如此发展可能导致金融机构坏账上升,从而可能影响经济发展。基于数据隐私和数据安全保护以及相关数据隐私监管的影响下,已经形成数据孤岛的现状,制约了数据的采集、共享和进一步的应用,限制了个人信用风险评估的发展,从而影响到信用风险的有效管理。

1.2国内外研究现状

1.2.1信用风险评估的研究

国内外针对信用风险评估的研究主要分为以下4个方向:一、基于统计学方法的信用风险评估;二、基于机器学习的信用风险评估;三、基于深度学习的信用风险评估;四、基于多模型集成的信用风险评估。

(1)基于统计学方法的信用风险评估

David Durand(1941)是最早将信用评分技术(判别分析法)应用于贷款信用优劣评估[1]。Eisenbds(1977)则将David的判别分析法进行推广应用[2]。Freed与Glover(1981)第一次通过实验证明线性回归在信用风险评估中预测分类的价值[3]。王蓓芳(2003)等提出多层次模糊评价模型,对客观上存在模糊性的非量化指标,例如个人品德、个人诚信等,使用模糊综合评价对其进行量化,最终用于信用风险评估[4]。Cramer(2004)则在逻辑回归的基础上对其几个变种进行对比实验,最终得出边界逻辑回归(bounded logit)在信用评估的AUC最高,效果最好[5]。

(2)基于机器学习的信用风险评估

基于机器学习的信用风险评估又可以分类为:支持向量机、贝叶斯网络、决策树等。

支持向量机:沈翠华(2004)等人将支持向量机(SVM)应用到信用评估当中,与古典技术K最近邻法(KNN)相比有了6.5%左右的提升[6]。许艳秋(2016)等人采用层次分析法对数据进行预处理,构造相关信用指标,最后采用支持向量机进行信用评分,通过对两种算法的结合,大大提高信用评估的准确性[7]。张坤(2010)基于SVM的改进SMO算法构建个人信用风险评估模型,并且对比几种核函数的评估准确率,得出径向基核函数用于个人信用风险评估最优[8]。

第2章相关概念及理论

2.1相关概念界定

在进行相关的论题的阐述与研究之前,作者认为有必要对一些名词的概念进行限定以及定义,防止因为概念的不清晰以及界定的不明确造成理解的偏差与混淆。此章节主要从概念以及理念出发,对研究论题的相关概念进行解释以及界定。

2.1.1信用风险的概念

信用风险,又称作违约风险,是指达成交易的双方中有一方按照交易合约完成了其义务,而另一方未能履行合约中约定的义务,从而造成了经济损失的风险。对于信贷企业就是产品用户不能按时履行还本付息的责任,而使企业的预期收益与实际收益发生偏离的可能性,它是金融风险的主要类型。

借贷方向银行等金融机构进行贷款,一旦其丧失了偿还债务的能力并且发生了违约,就对其信用额度重新进行评估,从而降低此借贷人造成损失的风险。这类风险一般包括违约风险、结算风险等。

信用风险是大多数信贷公司的所面临的最主要风险,发生的概率大但是具体的案例少,研究难度大。

2.1.2风险管理的概念

在一个肯定有风险的的项目或者企业的环境里,通过对风险的各个方面的细致分析、细致衡量以及全面认识,选择一种有效的方式积极主动地、有目的地、有计划地处理风险,并且要在成本的最小化的条件下争取获得安全保障最大化的管理方法。一套有效的风险管理方法,能在企业面临困难或者曲折的时候减少甚至避免损失,并且降低决策者做出错误决策的概率。故风险管理也是企业本身附加价格的一部分。

2.2信用风险相关理论

2.2.1信息不对称理论

信息不对称理论由Akerlof提出的,其理论的核心观点是,在市场经济的环境下,理性人拥有着不同的信息,人们根据自身所掌握的信息各自做出对自己有利的决定。在整个交易的过程中,当一部分人有另一部分人没有掌握的信息时,便有了信息不对称性的情况出现[39]。

在信息不对称的情况下,容易产生道德风险和逆向选择的现象。在信息获取不完善的情况下,企业可能较难获取个人较为全面的信息,这样就无法获得准确的信息来评价企业产品用户是否能够达到企业所规定的产品使用条件,例如用于控制产品风险的条件,控制产品的违约率,降低企业的风险等。

在企业的产品中,信息的单一性或者不完整性让企业无法判断哪些产品用户是优质客户,哪些产品用户是不合适的用户。这是企业对产品用户进行审批时信息不对称效应事前环节造成的一个方面影响,另一方面,信息不对称同样会在事中环节引发潜在问题,如果产品用户申请成功后,产品用户因为工作的变动,资金周转,收入趋势变化等综合因素导致还款能力出现波动,企业单方往往无法捕捉该部分信息,对其授信额度仍然保持在与以前相仿的水平,而产品用户的还款能力已经发生变化。此时信息不对称也埋藏了潜在的失信及违约风险。

在联邦学习的视角下,信贷公司为了实现对产品用户的穿透监管,可以从各个数据方合法的获取申请人的综合信息。这些信息的广度将大大的提升,企业不仅可以通过合法的手段获取直接影响还款能力的财务数据,同时还能获取一些具有社会属性的信息,例如用户消费的各成分占比、工作性质、道德风险等多维度的数据集合,从而形成更加清晰的用户画像,更好的控制企业的产品风险,有利于降低信息不对称给信贷企业带来的风险。

第3章W信贷公司个人信用风险评估现状分析...........................14

3.1 W信贷公司简介......................................14

3.2 W信贷公司风险管理组织架构..........................14

3.3 W信贷公司的信用风险评估的流程................................15

第4章W信贷公司个人信用风险评估指标体系的构建.......................22

4.1指标体系构建的原则.......................................22

4.1.1系统性原则............................................22

4.1.2可操作性原则..................................22

第5章基于联邦学习的W信贷公司个人信用风险评估的实证分析............................27

5.1数据采集...................................28

5.1.1样本数据来源................................28

5.1.2样本对齐...................................28

第6章个人信用风险管理优化对策

6.1优化业务流程,提高公司各层级员工风险管理意识

6.1.1利用联邦学习技术完善风险管理系统

信用风险管理的目标是促进贷款业务管理模式的转变,从片面追求利润的管理模式,向实现“风险调整后收益”最大化的管理模式转变。传统的做法是通过建模技术手段及时检测和发现各种风险,规避风险。然而,模型的建立需要依赖有效的数据特征,在现有隐私数据保护严密的情况下,外部数据应用受限,仅仅依靠内部数据建模很难达到有效的模型效果。联邦学习能够让模型应用外部数据特征,完善指标体系。故而,让联邦学习接入风险管理系统,可以在保证原始数据不泄露的情况下完成模型的训练,可以同事跟多个数据机构训练模型,并将效果的好的模型应用于贷前贷中贷后各个过程,及时检测出各种风险,提升风险管理能力。

6.1.2结合联邦学习有针对性的对员工进行培训

上述谈到利用联邦学习技术完善风险管理系统,那么涉及到联邦学习技术的使用,我们需要让相关员工对联邦学习的技术有相应的了解与认识。由于是新技术,新概念,只有让员工更加清楚的认识,才有更好的使用及发挥其优势,并在业务中真正的应用起来,为企业带来更大的收益。在给相关员工培训的,可以详细讲解:联邦学习的概念,适用场景,实现的基本原理,如何保证数据的隐私,与传统的机器学习的区别及优势等。

工商管理论文参考

第7章总结与展望

7.1研究结论

近年来,随着居民消费支出的增长,消费对于经济增长的贡献率不断攀升,同时也促使消费信贷行业快速发展。信用风险管理是信贷公司的核心管理问题,信用风险评估是信用风险管理的核心技术手段,但是,随着数据安全和数据隐私的保护以及相关法律法规的限制下,个人信用风险评估模型所需的外部数据获取难度加大,影响了个