大数据金融应用领域的个人信用评估方法研究

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:

大数据金融应用领域的个人信用评估方法研究(任务书,开题报告,论文说明书11000字)
摘要
随着大数据时代的到来以及互联网金融的飞速发展,各种新兴技术的不断出现以及商业模式的多元化为现今社会的金融领域提供了更加广大的发展空间,多方面、多维度的用户数据都可以在不同程度上反映用户的各种消费行为并且能够用于个人信用评估,但是对用户进行个人信用评估只是选择了其中部分维度数据并且要求数据的可靠真实性。然而在我国,传统评估方法主要通过引用央行个人征信报告,但仍然存在很多没有建立个人信用记录的用户,信用评级机构想要了解这些用户的个人征信情况成本又比较高,因此,探究和研讨大数据金融应用领域个人信用评估模型具有很重要的现实意义。
本文首先论述了BP神经网络模型的基本原理;结合数据和建模分析的实际需求,对数据进行预处理(即人工标记相关信用评分),建立基本神经网络BP模型,选择不同的算法和不同神经元的个数,利用MATLAB得到预测数据以及利用EXCEL进行实验结果误差分析,对模型优化。
关键词:个人信用评估 ;BP神经网络模型

Abstract
 With the arrival and rapid development of big data era and the emergence of a variety of emerging technologies and the diversification of business modelsprovides a broader space for development.Multi-dimensional user data canreflect the user's various consumer behavior and can be used for personal credit assessment, but only select multi-dimensional data for the user's personal credit assessment requiring reliable and real data.At the same time, in our country, the traditional assessment method mainly refers to the central bank personal credit report, but for many users who do not establish personal credit records, the costs for the credit evaluation agency to know the user’s personal credit situation is relatively high, therefore, explore and study personal credit assessment model in the area of big data usage is of great practical significance.
 In this paper, the basic principle of BP neural network model is expounded. Based on the actual requirements of data and modeling analysis, preprocessing the data(artificially tag credit score),establishthe basic neural network BP model , with the different algorithms and different nerves,using MATLAB to get the forecast data and using the function of EXCEL for error analysis of the experimental results ,optimize the model finally.
Key words: personal credit evaluation; BP neural network model

目录
摘要    I
Abstract    II
第1章 绪论    1
1.1 研究背景    1
1.2研究目的及意义    1
1.3研究内容及目标    2
1.4论文组织结构    2
第2章 BP神经网络模型    2
2.1BP神经网络模型    2
2.2网络通讯运营商数据    3
第3章 大数据金融应用领域的个人信用评估模型    5
3.1数据预处理    5
3.2 个人信用评估模型    8
第4章 实验结果分析    8
4.1数据集    8
4.2评价指标    8
4.3实验结果分析    9
4.3.1开发工具    9
4.3.2开发技术    9
4.3.3  训练窗口详细情况介绍    10
4.3.4实验结果分析    11
4.4实例分析    19
第5章 总结与展望    19
参考文献    20
致谢    22