个人信用评估算法综述
摘要：从社会资本角度来构建动态的个人综合信用评估体系，并通过大数据算法进行数据挖掘得到相关数据集，再通过数据筛选和性能评估对比并根据所得出的动态分析结果，建立模型作出预测，从而达到对个人的综合信用作出准确评分的效果。
关键词：大数据算法；数据挖掘；信用评估；风险评估
- 前言
大数据是指涉及大量的数据，目前的主流软件无法在合理的时间内捕获、管理和处理的数据。但通过大数据算法能够使其成为帮助企业作出合理经营决策、达成更积极目的的数据集合。
个人综合信用评分，是指通过使用科学严谨的数学分析方法，综合考察用户个人及其家庭的主客观条件，并对其履行各种经济承诺的偿还能力进行全面的判断评估。信用评分的广泛应用极大地推动了20世纪美国消费金融的繁荣发展。随着互联网、云计算大数据等新型技术的兴起，互联网金融等新兴产业在我国得到迅速发展，国内新金融行业的快速发展又对信用评分的发展带来了很多机遇。特别是大数据时代的来临，使得征信数据来源更加多元化、多维化和非结构化。央行征信中心自2006年成立以来，运行个人和企业征信系统，发挥了权威征信机构的作用，维护了国内信贷市场良性正常发展。但是作为非市场化机构，确切来说政府部门——央行征信中心目前对市场开放的信用评分体系，没有完全对接入的信贷机构开放，也没有对互联网金融机构开放，更没有对个人开放。[1]中国人民银行个人征信报告的低覆盖率和新金融产业对用户的信用评分的巨大需求都促进了国内信用评分算法的发展。
数据获取
数据清洗
数据处理
数据拟合
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，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。
