文献类型：期刊文章

作　　者：方匡南[1] 吴见彬[1] 朱建平[1] 谢邦昌[2]

机构地区：[1]厦门大学经济学院,邮政编码361005 [2]台湾辅仁大学管理学院

出　　处：《经济研究》

基　　金：中央高校基本科研业务费专项资金(2010221040);国家社科基金重点项目(09AZD045);国家统计局重点项目(2009LZ045)资助

年　　份：2010

卷　　号：45

期　　号：S1

起止页码：97-107

语　　种：中文

收录情况：BDHX、BDHX2008、CSSCI、CSSCI2010_2011、NSSD、RCCSE、RWSKHX、SKJJZZ、ZGKJHX、核心刊

摘　　要：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。

关 键 词：信息不对称 信用卡 信用风险 随机森林分类法  

分 类 号：F224] F832.2