CAJ | 학술논문

信用卡市场具有信贷信息不对称的特征,是信用卡风险产生的主要原因之一。在信贷信息不对称条件下,如何利用统计分析、数据挖掘等高新技术,建立可靠的分析模型,对信用卡用户的行为进行风险识别和预测,具有非常重要的意义。本文首次把改进后的非参数随机森林分类(RFC)方法应用到信用卡信用风险的评估中,并和其他模型进行比较,发现非参数随机森林方法往往要优于基准的Logitic模型和SVC模型。实证发现职业、年龄、家庭人口数、月刷卡额、学历、家庭月收入对信用风险有显著影响,而性别、婚姻状况等对信用风险影响不显著。
신용잡시장구유신대신식불대칭적특정,시신용잡풍험산생적주요원인지일。재신대신식불대칭조건하,여하이용통계분석、수거알굴등고신기술,건립가고적분석모형,대신용잡용호적행위진행풍험식별화예측,구유비상중요적의의。본문수차파개진후적비삼수수궤삼림분류(RFC)방법응용도신용잡신용풍험적평고중,병화기타모형진행비교,발현비삼수수궤삼림방법왕왕요우우기준적Logitic모형화SVC모형。실증발현직업、년령、가정인구수、월쇄잡액、학력、가정월수입대신용풍험유현저영향,이성별、혼인상황등대신용풍험영향불현저。