摘要
随着个人消费贷款业务的不断发展,个人信用风险越来越受到商业银行和监管者
的关注目前,相对于商业信用风险评估而言,对个人的信用评估显得十分薄弱,大
部分银行基本是靠信贷人员的经验和定性分析来决定,针对业务量大幅度上升,信贷
人员相对不足,这种授信措施会造成审批时间长!人为失误上升,服务水平和风险管
控能力下降,导致资产质量下降,失去潜在客户,不利于银行竞争力的提高构建个
人信用评估模型,可以有效帮助银行提高个人授信效率和准确性,提高个人信贷产品
质量和风险管控能力
本文对比了国内外常用的几种风险评估模型,提出了基于数据挖掘技术的个人信
用评估模型,该模型采用信息增益法对属性进行筛选,找出对分类预测影响较大的属
性进行建模,采用贝叶斯分类方法进行分类预测用某大型银行个人住房按揭贷款数
据对模型进行实证分析,结果表明在原始信息不很充分情况下,该模型预测偏离度较
低,具有较好的预测效果
关键词:个人信用评估数据挖掘贝叶斯分类器