1. 研究目的与意义
08年次贷危机后，商业银行加强了对个人贷款的审查和监管，但在银行信用贷款中，信息不对称造成的逆向选择问题始终存在且难以避免。随着大数据信息技术的发展与应用，商业银行获取客户信息渠道增加，同时在个人征信体系逐步完善的今天，银行可以结合个人征信对客户实行阶梯利率贷款，降低信用风险。当今社会，不道德问题频繁发生，政府并没有较好的管理方法，央行建立关于道德的信用风险评级数据库，有利于政府管理社会职能，减少社会不道德的事情发生。银行也可以降低逆向选择风险。
2. 研究内容和预期目标
提纲：1 信用评级方法回顾
1.信用评级定性分析
-
1.2信用评级定量分析
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！3. 国内外研究现状
在国内个人信用评估采用大数据方法研究方面，我国开展的时间相对较晚，但是随着政府和机构的不断重视，也有了一定的成果。在实践方面，孔德超（2016）对大数据征信从概念，价值，意义，发展应用做了系统阐述，对我国未来如何发展大数据征信提出了建议和意见。在学术理论研究上，刘心海（2017）主张在个人信用评估中采用人工智能神经网络的方法，并着重阐述了运用机器学习使用大量数据“喂养”的方法对个人征信进行评估。国外经过一百多年的发展，在个人信用评级的方法与实践上已经更为成熟，对大数据的应用方法也更为了解。与国内不同的是，在传统的个人信用评级中，国外学者更倾向于将重点放在数理模型技术分析上，通过设置多重变量，研究各种因素对评估质量和制度环境的影响，并着重分析如何将统计学方法运用在个人信用评估上。Wiginton J. C.（1980）首次将 Logistic 回归方法引入到了个人信用评分领域。Sun J.和Li H.（2008）通过使用加权投票法对多种个人信用评分模型进行了组合，得出组合模型在预测精度和稳健性方面都较高的结论。而在大数据的发展下，国外选择将研究重点放在了深度学习上，Alexis Marcano（2011）提出将神经网络等相关方法运用到信用评估的研究领域，建立起一种可塑性人工神经网络模型，通过让神经网络分析越来越多的数据，得出个人最有效的信用路径。Finlay S.（2011）通过构建多种Bagging和Boosting 的模型，发现组合模型与单一模型的对比，组合模型在信用评分领域具有更好的效果。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！4. 计划与进度安排
本文通过对当前个人信用评级发展现状的分析，结合社会发展趋势及个人住房贷款中存在的问题，选取合适的模型估算信用风险溢价，在个人住房贷款利率中实行阶梯利率。
5. 参考文献
[1] 李林，大数据环境下个人信用报告信息的法律保护，黑河大学学报(2018).
[2] 谭兴民.以大数据技术引领强化银行风险管控和不良资产处置[N].金融时报,2016,10.
[3] 贾婷.大数据对信用报告系统的影响及其应用研究.信用参考，2018年.
剩余内容已隐藏，您需要先支付 1元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
