金融信用评估：大数据背景下的统计学与机器学习应用

　　本书以金融信用评估为主题，以社交媒体为背景展开，旨在将大数据信息应用于信用评估与预测，从而维护金融市场的有效运作。本书涉及个人与企业两个信用评估主体，从这两个维度出发，为读者介绍传统个人信用评分与企业信用评级机制，展示统计学模型与机器学习模型如何应用于信用评估中。本书还探索了大数据对信用评估的作用，引入社交媒体大数据，通过机器学习和深度学习的方式对多模态大数据进行分析，并将提取的信息应用于评分与评级过程，丰富了大数据的应用场景，一定程度上填补了信用评估相关研究的学术空白。本书适合对信用评估、大数据分析、社交媒体研究感兴趣的读者阅读，也可作为高校相关专业的教学参考用书。

　　袁慧，上海外国语大学国际工商管理学院助理教授。中国人民大学信息管理与信息系统学士、管理科学与工程硕士，香港城市大学（City University of HongKong）信息系统（Information Systems）博士。主要研究方向为社交网络分析、大数据分析、金融科技及商务智能，一直从事相关的研究工作，有着丰富的理论与实践基础。目前已以第一作者身份发表多篇国际期刊论文及国际会议论文，作为主要参与人参与了多项项目，同时主持一项国家自然科学基金青年科学基金项目。

第 1章　引言 1
1．1　什么是信用 2
1．2　个人信用介绍 3
1．3　企业信用介绍 5
1．4　大数据背景下的信用评估 6
1．4．1　金融科技 7
1．4．2　大数据背景下的信用服务 10
1．5　本书主要内容 12
第 2章　传统个人信用评分 15
2．1　个人信用概述 16
2．2　相关工作总结 18
2．2．1　关于个人信用评分 18
2．2．2　个人信用评分研究现状 19
2．3　信用评分方法介绍 21
2．3．1　统计学方法 21
2．3．2　机器学习 24
2．4　信用评分模型构建 31
2．4．1　数据集描述 31
2．4．2　评价指标 34
2．4．3　模型构建 36
2．4．4　结果分析 36
2．5　本章小结 46
第3章　基于社交媒体的在线个人信用评分 48
3．1　个人信用评分新趋势 49
3．2　相关工作总结 53
3．2．1　在线个人信用评分 53
3．2．2　性格特质分析 55
3．3　技术基础 58
3．4　基于社交媒体信息的信用评分框架 61
3．4．1　总体框架 61
3．4．2　数据采集模块 62
3．4．3　人格特质挖掘模块 62
3．4．4　风险评估模块 63
3．4．5　输出可视化模块 64
3．5　实验结果 64
3．5．1　实验设置 64
3．5．2　基于BERT的人格特质检测性能研究 65
3．5．3　信用评分结果 67
3．6　本章小结 72
第4章　传统企业信用评级 74
4．1　企业信用评级概述 75
4．2　相关工作总结 78
4．2．1　企业信用评级概述 78
4．2．2　企业信用评级研究现状 80
4．3　传统信用评级方法 84
4．4　信用评级模型构建 86
4．4．1　数据集描述 86
4．4．2　评价指标 89
4．4．3　特征选择 89
4．4．4　模型构建 90
4．4．5　特征选择后模型构建 93
4．5　本章小结 102
第5章　在线企业信用评级 104
5．1　企业信用评级新趋势 105
5．2　相关工作总结 108
5．2．1　信用评级回顾 108
5．2．2　文本分析研究现状 109
5．2．3　图像分析研究现状 112
5．3　基于社交媒体的信用评级 114
5．3．1　在线信用评级框架 114
5．3．2　框架概述 115
5．4　特征提取细节 117
5．4．1　文本情绪信息提取 117
5．4．2　图像情绪信息提取 124
5．5　在线企业信用评级实验 126
5．5．1　数据描述 126
5．5．2　文本情绪提取 127
5．5．3　图像情绪提取 128
5．5．4　实验结果 130
5．6　本章小结 133
第6章　结语 135
6．1　大数据背景下的个人信用评分 136
6．2　大数据背景下的企业信用评级 137
6．3　未来趋势 139
附录A　信用评级建模中各季度的信用等级分布 141
附录B　_在2013—2015年数据集上的递归特征消除法结果（第二季度至第四季度） 144
附录C　大五人格测试问卷 159
参考文献 163