无抵押贷款客户风险评估及贷款需求预测

发布时间：2020-12-27 16:03

　　随着人们生活水平的不断提高,消费金融行业日益兴起,人们对无抵押贷款有了更强烈的需求,这给金融机构带来了发展机会和巨额利润。许多银行、互联网金融公司等金融机构便纷纷推出各自的无抵押贷款产品,以满足社会对资金的需求。但同时金融机构也面临着巨大的风险,风险主要来源于两个方面:一方面,客户通过互联网申请无抵押贷款,金融机构无法核实客户填写信息的真实性,很多客户使用虚假信息或利用互联网技术进行骗贷;另一方面,客户对无抵押贷款违约付出的代价低,这导致无抵押贷款业务中存在着大量的违约现象。这两个方面的风险一旦发生就可能给金融机构造成难以弥补的巨额损失,甚至可能引起金融机构的倒闭。为了保证金融机构的正常运行,需要对客户的无抵押贷款的风险进行较为准确的评估,预测客户违约的可能性,为金融机构是否放贷提供决策依据;同时为了实现金融机构的利润最大化,需要对客户贷款的总额进行预测,优化资金的合理配置。随着大数据技术的不断发展,大数据风控取得了显著的成效,在这样的背景下本文主要研究大数据技术在无抵押贷款业务中的应用。通过堆叠方式融合逻辑回归、随机森林和极端梯度提升三个模型得到风险评估模型,以预测客户违约的可能性,... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：45 页

【学位级别】：硕士

【部分图文】：

ZestFinance公司风险评估模型

重庆大学硕士学位论文 2 大数据风控简介建机器学习模型预测借款人违约概率,进行风险控制或者风险提示。风险控制的范围很广泛，本文主要研究大数据技术在无抵押业务中的应用，因此以下提及的大数据风控均指的是狭义范围的大数据风控。风险控制在贷款业务产生的同时就存在了，由于最初的贷款形式是抵押贷款，因此银行的风险控制仅依靠风控人员的经验，通过人工对抵押物产权等信息严格审查就可以将风险控制到可接受范围内。然而随着无抵押贷款业务的兴起和互联网技术的不断发展，传统的人工风控方式已逐渐不能支撑金融机构的业务扩展；而大数据对多维度、大量数据的智能处理和批量标准化的执行流程更能满足风控业务的发展要求。

本文主要对其中贷前审核中信用评估模型，此外由于目前市场上大多数金构未对客户进行需求预测，而本文的需求预测模型能够使金融机构给有借款的客户分配更合适的额度，从而最大限度的增加资金利用率，降低成本并增融机构的收益。.3 大数据风控的优势大数据风控之所以在国内外都被人们追捧，是因为无论是在使用的数据种数量上还是数据处理的速度上,以及最终的效果上都有传统行风控无法媲美的。与传统的风控相比，大数据风控的优势主要体现在以下五个方面。首先，大数据通过更多维的数据弥补传统风控的缺口。传统的风控基本上用了传统的金融数据，而大数据风控在他的基础上加入了大量的非传统金融，这也是大数据风控与传统风控最显著的区别。如图 2.2 所示，大数据风控使数据主要包括金融机构、征信机构、大型集团、政府部门和其他行业五大维数据。

【参考文献】：
期刊论文
[1]P2P网贷市场发展现状研究[J]. 刘衎.  现代商业. 2017(17)
[2]商业银行个人无抵押贷款业务发展面临的障碍及对策研究[J]. 李文新,王际坤,季芳.  武汉金融. 2017(01)
[3]P2P网络借贷个人信用风险评估[J]. 宋丽平,张利坤,徐玮.  财会月刊. 2015(35)
[4]P2P网络贷款信用的风险评估[J]. 傅彦铭,臧敦刚,戚名钰.  统计与决策. 2014(21)
[5]大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J]. 刘新海,丁伟.  清华金融评论. 2014(10)
[6]基于Lasso-logistic模型的个人信用风险预警方法[J]. 方匡南,章贵军,张惠颖.  数量经济技术经济研究. 2014(02)

硕士论文
[1]中国工商银行与蚂蚁金服网络融资业务风险对比分析[D]. 刘意嵩.吉林大学 2017



本文编号：2942044