基于交易数据的信用评估方法
2018-05-22周继恩杜金泉
计算机应用与软件 2018年5期
陈 煜 周继恩 杜金泉
(中国银联股份有限公司 上海 200135)
0 引 言
随着大数据时代的到来,各种各样的用户数据都可以用于转化,评估,体现个人数据。日常消费数据还有很大的挖掘价值。学术研究方面,国内学者从定性和定量的角度对个人信用评估进行了一系列的研究[5],但是目前为止尚未形成一种针对银行卡交易数据的个人信用评估模型及体系。因此本文以个人信用评估方法为研究中心,结合银行卡交易数据,构建一个新的个人信用评估模型。
1941年,Divid Durand采用评分形式来评估个人信用,建立了经典的消费信贷评分标准。随着计算机技术的不断发展,越来越多的计量方法应用到了信用评估领域,比如统计学中的线性回归方法和Logisitic回归[6],机器学习中的神经网络[3]、集成学习[8]、支持向量机[2]等,这些方法不断完善着信用评估系统。
1 信用模型构建
首先,本文着眼于个人信用模型的建立,采用的数据来源于线下刷卡、网上消费等产生的交易数据。然后,针对问题,提取有效的特征集,筛选特征并用于信用模型的训练。最后,对训练完成的信用评估模型验证,解释结果,并做出相应的决策建议。
1.1 信用特征计算方法
特征是指区分不同类型的本质特点,在信用评估的问题下,更偏向寻找,计算那些能够用于区分信用好的用户及信用差的用户的特征,用户的信用画像由这些信用相关的特征组成。因此特征提取在提高分类的准确性中起着非常关键的作用。……
登录APP查看全文
