信用评分基本理论及其应用

doi:10.11959/j.issn.2096-0271.2017003

大数据 ›› 2017, Vol. 3 ›› Issue (1): 19-26.doi: 10.11959/j.issn.2096-0271.2017003

• 专题：大数据与信用评价系统 • 上一篇下一篇

信用评分基本理论及其应用

石勇^1,^2,³,孟凡^1,^2,³

¹ 中国科学院大数据挖掘与知识管理重点实验室，北京 100190
² 中国科学院虚拟经济与数据科学研究中心，北京 100190
³ 中国科学院大学经济与管理学院，北京 100190

出版日期:2017-01-20 发布日期:2017-03-17
作者简介:石勇（1956-），男，中国科学院大学经济管理学院教授、博士生导师，发展中国家科学院院士，国务院参事，中国科学院虚拟经济与数据科学研究中心主任，中国科学院大数据挖掘与知识管理重点实验室主任。被列为Elsevier发布2014/2015中国高被引学者榜单之一、入选汤普生路透（Thomson Reuters）2016全球高被引作者（计算机科学领域）。现在担任《国际信息技术和决策杂志（IJITDM）》《国际数据科学年鉴（Annals of Data Science）》创立主编。先后荣获以集合论创始人命名的康拓学术奖、中国复旦管理学杰出贡献奖、教育部自然科学奖一等奖（2012年、2016年）。中国科学院百人计划学者、国家杰出青年科学基金获得者。|孟凡（1989-），男，中国科学院大学经济与管理学院、中国科学院大数据挖掘与知识管理重点实验室博士生，主要研究方向为大数据信用评分、量化投资、大数据图像挖掘、弱标签学习问题等。
基金资助:
国家自然科学基金资助项目(91546201)

Credit scoring:basic theory and applications

Yong SHI^1,^2,³,Fan MENG^1,^2,³

¹ Key Laboratory of Big Data Mining and Knowledge Management,Chinese Academy of Sciences,Beijing 100190,China
² Research Center on Fictitious Economy and Data Science,Chinese Academy of Sciences,Beijing 100190,China
³ School of Economy and Management,University of Chinese Academy of Sciences,Beijing 100190,China

Online:2017-01-20 Published:2017-03-17
Supported by:
The National Natural Science Foundation of China(91546201)

摘要/Abstract

摘要：

信用评分是市场交易的基础，以大数据分析与挖掘为支撑的现代信用评分系统在当今全球经济发展中起着不可估量的作用。各行业与领域的信用评分系统将成为实现我国“十三五”规划中国家大数据战略的首要目标。主要介绍了金融信用评分系统的发展、相关技术、应用案例，并对大数据信用评分的发展进行了展望。

关键词: 信用评分系统, 数据挖掘, 大数据评分

Abstract:

Credit scoring is the foundation of market transactions all over the world.Big data analysis based credit scoring plays an immeasurable role in global economics.In the 13th Five-Year Plan of China,it has been proposed as strategic developmental goal to develop and accomplish credit scoring system in all the industries and economic departments.The development of credit scoring system,the advanced techniques in credit scoring and cases of big data based on credit scoring systems were outlined.Suggestions and prospects on big data scoring systems were concluded.

Key words: credit scoring system, data mining, big data credit

中图分类号:

F069

石勇, 孟凡. 信用评分基本理论及其应用[J]. 大数据, 2017, 3(1): 19-26.

Yong SHI, Fan MENG. Credit scoring:basic theory and applications[J]. Big Data Research, 2017, 3(1): 19-26.

参考文献 13

[1]	李延东, 郑小娟 . 信用评分卡体系的发展及应用[J]. 甘肃金融, 2016(3): 43-45.
	LI Y D , ZHENG X J . Credit scoring card system:advances and applications[J]. Gansu Finance, 2016(3): 43-45.
[2]	朱晓明, 刘治国 . 信用评分模型综述[J]. 统计与决策, 2007(2): 103-105.
	ZHU X M , LIU Z G . Reviews on credit scoring models[J]. Statistics and Decision, 2007(2): 103-105.
[3]	ORGLER Y E . A credit scoring model for commercial loans[J]. Journal of Money,Credit and Banking, 1970,2(4): 435-445.
[4]	VAPNIK V N . Statistical learning theory[M]. New York: WileyPress, 1998.
[5]	HUANG C L , CHEN M C , WANG C J . Credit scoring with a data mining approach based on support vector machines[J]. Expert Systems with Applications, 2007,33(4): 847-856.
[6]	MARTENS D , BAESENS B , GESTEL T V ,et al. Comprehensible credit scoring models using rule extraction from support vector machines[J]. European Journal of Operational Research, 2007,183(3): 1466-1476.
[7]	BELLOTTI T , CROOK J . Support vector machines for credit scoring and discovery of significant features[J]. Expert Systems with Applications, 2009,36(2): 3302-3308.
[8]	ZHOU L , LAI K K , YU L . Least squares support vector machines ensemble models for credit scoring[J]. Expert Systems with Applications, 2010,37(1): 127-133.
[9]	LAI K K ， YU L ， ZHOU L ，et al. Credit risk evaluation with least square support vector machine[C]// International Conference on Rough Sets and Knowledge Technology,July 24-26， Chongqing,China. Berlin Heidelberg: Springer, 2010: 490-495.
[10]	KOU G , LIU X , PENG Y ,et al. Multiple criteria linear programming approach to data mining:models,algorithm designs and software development[J]. Optimization Methods and Software, 2003,18(4): 453-473.
[11]	SHI Y , TIAN Y , KOU G ,et al. Multiple criteria linear programming[M]// Optimization based data mining:theory and applications. London: Springer LondonPress, 2011: 119-132.
[12]	SHI Y , PENG Y , XU W ,et al. Data mining via multiple criteria linear programming:applications in credit card portfolio management[J]. International Journal of Information Technology ＆ Decision Making, 2002,1(1): 131-151.
[13]	SHI Y , PENG Y , KOU G ,et al. Classifying credit card accounts for business intelligence and decision making:a multiple-criteria quadratic programming approach[J]. International Journal of Information Technology ＆ Decision Making, 2005,4(4): 581-599.

信用评分基本理论及其应用

Credit scoring:basic theory and applications

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献 13

相关文章 13

Metrics

推荐阅读 0

[1]	李德仁, 张过, 蒋永华, 沈欣, 刘伟玲. 论大数据视角下的地球空间信息学的机遇与挑战[J]. 大数据, 2022, 8(2): 3-14.
[2]	任帅, 陈丹丹, 储根深, 白鹤, 李慧昭, 何远杰, 胡长军. 基于材料数值计算大数据的材料辐照机理发现[J]. 大数据, 2021, 7(6): 3-18.
[3]	汪岸, 任帅, 苗雪, 董玲玉, 朱迎, 陈丹丹, 胡长军. 数值核反应堆大数据及其应用[J]. 大数据, 2021, 7(5): 40-56.
[4]	徐良辰, 郭崇慧. 智慧医院建设背景下的电子病历分析利用框架[J]. 大数据, 2021, 7(4): 141-156.
[5]	陈汐, 王印海, 代壮, 马晓磊. 基于多源城市交通出行数据的定制公交需求辨识方法研究[J]. 大数据, 2020, 6(6): 105-118.
[6]	姚宇航, 欧俊杰, 李洋, 傅洛伊, 王新兵, 陈贵海. 图灵指数——学术大数据下的跨领域跨年代学者影响力评估[J]. 大数据, 2019, 5(5): 25-37.
[7]	张平文, 鄂维南, 袁晓如, 傅毅明. 大数据分析与应用技术创新平台[J]. 大数据, 2018, 4(4): 86-93.
[8]	梁吉业, 钱宇华, 李德玉, 胡清华. 面向大数据的粒计算理论与方法研究进展[J]. 大数据, 2016, 2(4): 13-23.
[9]	姚前, 谢华美, 景志刚, 胡青青, 司恩哲. 基于数据挖掘的个人征信系统异常查询实时监测模型及其应用[J]. 大数据, 2016, 2(4): 83-92.
[10]	方滨兴, 贾焰, 李爱平, 江荣. 大数据隐私保护技术综述[J]. 大数据, 2016, 2(1): 1-18.
[11]	杨丽彬, 李海林, 张飞波. 大数据环境下的管理信息系统发展研究[J]. 大数据, 2016, 2(1): 86-98.
[12]	李涛, 曾春秋, 周武柏, 周绮凤, 郑理. 大数据时代的数据挖掘——从应用的角度看大数据挖掘[J]. 大数据, 2015, 1(4): 57-80.
[13]	熊赟, 朱扬勇. 特异群组挖掘：框架与应用[J]. 大数据, 2015, 1(2): 66-77.