(3.234.221.162) 您好!臺灣時間:2021/04/14 14:58
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:李怡禎
研究生(外文):LI, YI-JHEN
論文名稱:應用資料探勘於信用卡逾期繳款之模型
論文名稱(外文):A study on credit card risk assessment by using data mining technique
指導教授:王智立王智立引用關係
指導教授(外文):WANG,CHIH-LI
口試委員:梁德馨陳克琛
口試委員(外文):LIANG, TE-HSINCHEN, KER-CHANG
口試日期:2019-07-15
學位類別:碩士
校院名稱:銘傳大學
系所名稱:應用統計與資料科學學系碩士班
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2019
畢業學年度:107
語文別:中文
論文頁數:57
中文關鍵詞:逾期繳款決策樹隨機森林類神經網路
外文關鍵詞:OverdueDecision treeRandom ForestArtificial Neural Network
相關次數:
  • 被引用被引用:0
  • 點閱點閱:160
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
對於銀行管理者而言,信用卡持有人的信用風險評分始終是一個問題。現今許多銀行仍由「財團法人金融聯合徵信中心」資料來判斷客戶是否有逾期繳款之可能。隨著電腦設備與資料分析法的快速發展,若能透過資料探勘(data mining)與機器學習(machine learning)技術,使得信用風險評估可以有較高的預測準確性,因此資料探勘、機器學習等技術有較為廣泛的應用領域。本研究期望就信用卡持有人的繳款行為,找出影響信用風險的重要變數,並探討各項因素與持卡人逾期繳款之間的關係,如此可客觀預測客戶之信用風險並降低公司可能的損失。本研究利用的機器學習方法,如決策樹C5.0、隨機森林(random forest)、類神經網路(neural network)等三種方法建立預測模型,並以國內M銀行之財富管理客戶資料與實際信用卡消費繳款紀錄,建立客戶風險評估模型,加以評估比較個模型之預測能力。
For the bank managers, the credit risk score of credit card holders is always a problem. Now many banks still use the information of the Joint Credit Information Center to determine whether customers have overdue payments. With the rapid development of computer equipment and data analysis methods, if we can use data mining and machine learning technologies, credit risk assessment can have higher prediction accuracy, so data mining, machine learning and other technologies can have a wide range of applications. According to the payment behaviors of credit card holders, this study expects to find important variables that affect credit risk and explore the relationship between various factors and the overdue payment of card holders. So we can objectively predict the credit risk and reduce the company loss. The study used machine learning methods, such as decision tree C5.0, Random Forest and Artuficial Neural Network to establish predictive models. And use the domestic M Bank's wealth management customer data and actual credit card consumption payment records to establish a customer risk assessment model, and evaluate the predictive ability of every model.
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 研究流程 4
第貳章 文獻探討 5
第一節 信用卡的發展與功能 5
(一) 信用卡的發展 5
(二) 信用卡的功能 6
第一節 信用卡逾期繳款相關研究 7
第二節 資料探勘與機器學習 8
(一) 資料探勘 8
(二) 機器學習 9
第三節 分類方法 10
(一) 隨機森林 10
(二) 決策樹C5.0 11
(三) 類神經網路 11
第參章 研究設計 13
第一節 資料來源及內容 13
第二節 研究變數說明 14
(一) 反應變數: 14
(二) 解釋變數: 14
第三節 研究方法 16
(一) 變數重要度分析 16
(二) 類神經網路 18
(三) C5.0決策樹 19
(四) 隨機森林 20
(五) 模型的效能評估 20
第四節 分析軟體介紹 0
R Studio 0
第肆章 實證分析 23
第一節 資料變數評估與前處理 23
第二節 欄位擴充 27
第三節 變數篩選 29
第四節 模型建立與評估 32
(一) 決策樹C5.0 32
(二) 隨機森林 38
(三) 類神經網路 40
第五節 預測模型 43
第伍章 結論與建議 44
第一節 研究結論 44
第二節 研究建議 44
參考文獻 45
中文部分
[1]王進德 (2007) 《類神經網路與模糊控制理論入門與應用》。台灣:全華圖書。
[2]王翎聿 (2015)。應用倒傳遞類神經網路與支援向量機預測加權股價指數。國防大學財務管理學系碩士班論文。
[3]余致鋒 (2017)。應用決策樹C5.0於基金決策。國立嘉義大學企業管理學系碩士論文。
[4]李仁鐘、李秋緣 (2017) 《R語言資料分析:從機器學習、資料探勘、文字探勘到巨量資料分析》。博碩。
[5]吳宥霆 (2012)。整合KMV模型與資料探勘技術建構企業信用評等模式以探討企業違約風險。國立中正大學會計與資訊科技研究所碩士論文。
[6]官展履 (2018)。應用支援向量機於金融市場之預測-以臺灣加權指數期貨為例。長庚大學工商管理學所碩士論文。
[7]胡耿源 (2013)。信用卡違約因素之探討-以台南地區個案分行為例。南臺科技大學企業管理研究所碩士論文。
[8]徐新媛 (2012)。逾期信用卡持卡人背景因素之探討-以國內某銀行為例。國立交通大學管理學院經營管理學程碩士論文
[9]郭幸香 (2010)。信用卡帳款分期付款客戶之特性分析。國立臺北大學統計學系所。
[10]張金燦 (2012)。運用分群技術於信用卡風險評估模型之研究。銘傳大學資訊程學系所碩士論文。
[11]張嘉鑠 (2013)。運用資料探勘技術探討顧客價值與消費行為之研究¬-以零售業連鎖專賣店為例。國立台北大學企業管理學系所碩士論文。
[12]梅淑峰 (2018)。信用卡風險評估因子之研究。世新大學資訊管理學研究所碩士論文。
[13]陳時仲 (2015)。隨機森林模型效力評估。國立交通大學統計學研究所碩士論文。
[14]陳勃文 (2018)。機器學習在P2P借貸信用風險模型之應用:以Lending Club為例。國立政治大學金融學系所碩士論文。
[15]葉子維 (2018)。顧客消費行為分析及行動銀行使用預測-決策樹、隨機森林與判別分析之比較。國立台北大學統計學所碩士論文。
[16]蔡誌軒 (2013)。以類神經網路於外匯投資策略之學習與應用。國立台南大學數位學習科技系所碩士論文。
[17]鍾經樊 、賴柏志、聞美晴。台灣雙卡風暴期間所推行之債務協商機制的道德風險問題。金融聯合徵信雙月刊,第十期,P15~27。
[18]謝忠和 (2012)。以機器學習技術改造傳統臨床決策輔助工具-應用隨機森林、支援向量基與類神經網路於急性闌尾炎診斷與乳癌風險評估。國立陽明大學生物醫學資訊研究所博士論文。
[19]謝宗螢 (2018)。以資料探勘預測信用卡違約風險。國立屏東大學財務金融學系碩士班碩士論文
[20]顏敬唐 (2017)。風險調整之財務危機預警機制-雙支援向量機之應用。中國文化大學會計學系碩士論文。
[21]廖述賢、溫志皓 (2012)《資料探勘理論與應用》。新北市:博碩文化。

英文部分
[1]Shenghui Yang. , Haomin Zhang. (2018). Comparison of Several Data Ming Methods in credit card default prediction. Scientific Research Publish, 10, 115-122
[2]Fayyad,U. , Stolorz, P. (1996). Data mining and KDD: Promise and challenges. Further Generation Computer Systems, 13, 99-115.
[3]Hambaba, M. L. (1996). Intelligent hybrid system for data mining. In Proceedings of the IEEE/IAFE 1996 Conference on Computational Intel ligence for Financial Engineering (CIFEr), Cat. No. 96TH8177, 111.
[4][Mohamed L. Hambaba, 1996] Mohamed L. Hambaba, “Intelligent Hybrid System for Data Mining”; Computational Intelligence for Financial Engineering, 1996., Proceedings of the IEEE/IAFE 1996 Conference on , 24-26 March 1996
[5]Shin, K. S., Lee, T. S., &Kim, H. J. (2003). An application of support vector machines in bankruptcy prediction model. Expert Systems with Applications, 28(1),127-135.
[6]Shannon. (1948). A Mathematical Theory of Communication.The Bell System Technical Journal, Vol. 27, 379–423, 623–656,
電子全文 電子全文(網際網路公開日期:20240918)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔