数据挖掘技术在银行信贷风险中的应用研究

以下是资料介绍,如需要完整的请充值下载. 本资料已审核过,确保内容和网页里介绍一致.  
无需注册登录,支付后按照提示操作即可获取该资料.
资料介绍:

数据挖掘技术在银行信贷风险中的应用研究(论文18000字)
摘  要
经济的发展离不开资金的流动,作为主要的资金贷放者——银行,在这当中的影响非常关键。我国商业银行正处于转型的关键时期,想要更要的发展,就必须利用好积累下的大量客户信息,在这些信息中蕴藏着的规律,将有助于我国银行处理好当下的信贷业务。
数据挖掘技术是当今最适合用来做数据分析的工具之一,其拥有强大的数据管理功能、建模功能、制图功能以及各种算法,通过数据准备、数据预处理、模型建设、模型评估等步骤,帮助人们挖掘出有价值的信息。
本文首论述了关于银行信贷、数据挖掘的理论,接着分析当前国内的信贷市场现状以及数据挖掘的应用现状,然后采用国内某金融机构提供的样本数据来建立回归模型,回归分析方法是广泛使用于做挖掘金融数据一般规律的分析方法,最后用该模型来做数据预测。
关键词:数据挖掘;信贷风险;银行;回归分析

ABSTRACT
    Economic development is inseparable from the flow of funds, as the main money lenders - banks, in which the impact is very critical. China's commercial banks are in a critical period of transition, want to be more development, we must use the accumulation of a large number of customer information, the information contained in the law, will help China's banks to deal with the current credit business.
    Data mining technology is one of the most suitable tools for data analysis today. It has powerful data management functions, modeling functions, mapping functions and various algorithms. After data preparation, data preprocessing, model construction and model evaluation, etc. To help people dig out valuable information.
    This paper first discusses the theory of bank credit and data mining, then analyzes the current situation of domestic credit market and the application of data mining, and then uses the sample data provided by a domestic financial institution to establish the regression model,regression analysis method is widely used in mining the general rules of financial data analysis methods, and finally use the model to do data prediction.
Key words:Data mining; Credit risk; Bank; Regression analysis
 
目  录
第一章  绪论    1
1.1研究背景    1
1.2研究内容    1
1.3研究方法    1
1.4组织结构    2
第二章  理论综述    3
2.1银行信贷管理的理论及其发展    3
2.1.1信贷风险的概念    3
2.1.2信贷风险成因    3
2.1.3信贷风险管理的概念    4
2.1.4信贷风险管理的内容    4
2.1.5信贷风险管理的作用    4
2.1.6信贷风险管理的原则    5
2.1.7国内外信贷风险管理的发展    6
2.2关于数据挖掘技术的理论    9
2.2.1数据挖掘的概念    9
2.2.2数据挖掘的原理    10
2.2.3数据挖掘的内容    10
2.2.4数据挖掘过程    14
2.2.5数据挖掘的工具    15
2.3数据挖掘在银行信贷风险管理的运用    16
2.3.1古典方法的运用    16
2.3.2传统方法的运用    16
2.3.3现代方法的运用    16
第三章  现状分析    17
3.1国内银行信贷市场现状    17
3.2国内外数据挖掘技术研究现状    18
3.2.1国外数据挖掘研究现状    18
3.2.2国内数据挖掘研究现状    18
3.3国内银行数据管理及应用现状    19
第四章  案例分析——以国内某银行数据为例    20
4.1银行客户数据分析    20
4.2数据选择及模型构建    20
4.2.1数据选择    20
4.2.2模型构建    20
4.3基于Logistic模型分析银行客户数据    25
第五章  结论与展望    26
5.1研究总结    26
5.2不足之处    26
5.3展望    26
致  谢    28
参考文献    29