农户小额信贷探究论文提纲

论文题目：基于“GBDT+LR”融合模型的农户小额信贷风险预测研究

摘要：为了助力农户脱贫、支持农村地区经济发展,国家出台了许多完善农户小额信贷的政策,但是在推广过程中却频繁出现一些问题:农村地区的金融支持力度不足,普遍存在农户贷款难、担保难、手续繁的问题。并且金融机构仅仅依靠传统服务方式很难改变农户贷款难的现状,传统方式下是通过人工来决定是否给与放款,这种方式造成了风险与效率的不对等、不匹配。解决该问题的关键在于将数据挖掘与机器学习技术应用于信用风险领域,对客户是否违约做出预测。金融机构能利用大数据的发展趋势,拥有更为庞大的客户信息,并使用数据挖掘技术和人工智能方法管理信息、分析预测农户信用风险程度,从而能提高信贷的效率和质量。本文以农户小额信贷和农户信贷评价体系发展现状为背景,结合已有研究基础和理论分析,从一家农村商业银行当前农户小额信贷业务数据实际出发,运用机器学习方法进行建模分析,并提出了融合梯度提升迭代决策树（GBDT）模型与逻辑回归（LR）模型的农户小额信贷风险预测方法。文章一共分为六章节。第一章绪论将简要介绍研究背景、意义、方法、框架及文章的创新点。第二章为国内外文献综述和相关理论基础。从第三章开始,本文对农户小额信贷发展现状和信贷风险评价体系发展现状进行了分析,同时整理了农户小额信贷风险管理业务流程,为后文的建模提供理论指导。第四、五章是文章的核心部分。在第四章中,针对原始数据集,通过数据预处理、数据描述性统计、样本分组等操作,生成了可用于建模的数据。第五章为模型实验部分,采用AUC值和KS值作为模型预测效果评价指标,分别建立LR模型与“GBDT+LR”融合模型,并进行结果比较分析,配以相关的数据和图表以作更直观的解释。相较原LR模型,融合改进后的模型对欠息的预测效果得到了明显的提升。第六章为结论部分,总结全文所做工作,文章主要解决了在“大数据征信”的当下对农户发放小额信用贷款、如何对风险进行更为有效的预测的问题,这对金融机构建立针对性的农户信贷风险防控体系具有重要的现实意义和实践价值,也助于他们真正有效地提高农村信贷支持力度,支持农户发展。

关键词：农户小额信贷;风险预测;逻辑回归;GBDT;机器学习

学科专业：金融

致谢

摘要

Abstract

第一章 绪论

1.1 研究背景

1.2 研究意义

1.3 研究方法及框架

1.4 研究的创新性

第二章 文献综述和理论基础

2.1 文献综述

2.1.1 农户贷款难影响因素

2.1.2 农户信贷风险影响因素

2.1.3 农户信贷风险评价体系

2.1.4 农户信贷风险管理

2.1.5 文献评述

2.2 理论基础

2.2.1 信息不对称

2.2.2 基于机器学习的信贷风险分析技术

2.2.2.1 逻辑回归

2.2.2.2 决策树

2.2.2.3 梯度提升迭代决策树

第三章 农户小额信贷发展及风险评价体系现状分析

3.1 农户小额信贷发展现状分析

3.1.1 农户小额信贷基本情况

3.1.2 农户小额信贷发展存在的问题及成因分析

3.2 农户信贷风险评价体系建设现状分析

3.2.1 传统模式下农户信贷风险评价体系的构建

3.2.2 互联网模式下农户信贷风险评价体系的构建

3.2.3 农户信贷风险管理业务流程总结

第四章 农户小额信贷数据准备

4.1 问题定义

4.2 数据来源与指标体系构建

4.3 数据预处理

4.4 数据的描述性统计

4.4.1 单变量分析

4.4.2 双变量分析

4.5 样本分组

第五章 农户小额信贷风险预测研究

5.1 模型评价标准

5.2 基于LR模型的预测结果

5.2.1 默认参数及参数寻优

5.2.2 结果评价

5.3 基于“GBDT+LR”融合模型的预测结果

5.3.1 融合模型构建特征原理

5.3.2 融合模型的适用性

5.3.3 模型融合流程

5.3.4 参数寻优

5.3.5 结果评价

5.4 本章总结

第六章 研究结论及政策建议

6.1 研究结论

6.2 政策建议

6.2.1 政府部门:促进信息共享与信用文化普及

6.2.2 金融机构:倾注技术建设风控与预测平台

6.2.3 社会机构:探索创新农户信贷运作模式

6.2.4 农户:配合政府信用文化建设

6.3 不足与展望

参考文献