西南财经大学
学位论文原创性及知识产权声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下独立进行研
究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他
个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个
人和集体，均已在文中以明确方式标明，因本学位论文引起的法律结果完全
由本人承担。
本人同意在校攻读学位期间论文工作的知识产权单位属西南财经大学。
本人完全了解西南财经大学有关保留、使用学位论文的规定，即学校有权保
留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和
借阅。本人授权西南财经大学可以将本学位论文的全部或部分内容编入有关
数据库进行检索，可以采用影印、缩印、数字化或其他复制手段保存和汇编
本学位论文。
本学位论文属于
1、□保密，在_____年解密后适用本授权书。
2、□√不保密
特此声明。
学位申请人：
2021年12月2日

摘要
摘 要
个人贷款具有客户规模群体大，但是单笔贷款的规模较小的特点。从风
险角度来看，虽然个人贷款单笔违约造成的影响较小，但是由于客户规模庞
大，违约风险分散，潜在的风险值得金融机构重视。传统商业银行主要采用
基于规则的评分方式，通过对个人客户的年龄、收入等要素进行评分，来判
断其违约的风险。但是这种方式较为主观，并且对于违约风险的预测准确性
等相对较低。因此，本文使用 AdaBoost框架进一步对支持向量机模型进行集
成以提升个人贷款违约风险预测的效果。
本文以商业银行个人贷款违约风险为研究对象，构建 AdaBoost-SVM模
型对个人贷款违约风险进行预测。首先，基于理论及文献对个人贷款违约风
险的相关模型与因素进行分析。其次，分析商业银行个人贷款违约风险的现
状以及违约风险预测中存在的问题。第三，结合 Adboost及支持向量机模模
型构建个人贷款违约风险预测模型，并采用遗传算法进行参数优化。同时，
构建个人贷款违约风险预测的指标体系。第四，搜集商业银行 A个人贷款的
数据进行实证分析。最后，提出丰富商业银行个人贷款违约风险预测指标体
系以及提升商业银行个人贷款违约风险预测能力等对策建议。
本文的研究结论如下：
（1）采用遗传算法参数优化的 AdaBoost-SVM模型在各项指标上的表现
都最优，对比商业银行 A当前采用的评分方法在查准率上提高了 15.2%，在
查全率上提高了 42%，在准确率上提高了 31.3%，在真负率上提高了 25.1%，
在 AUC上提高了 22.4%。（2）从 AdaBoost-SVM对比支持向量机模型来看，
通过迭代学习的方式，AdaBoost模型进一步的提升了支持向量机的性能。从
AdaBoost的基础学习器模型来看，集成支持向量机模型比集成 BP神经网络
模型以及随机森林模型具有更好的效果。（3）在本文构建的指标集合下，建
1

基于AdaBoost-SVM模型的商业银行个人贷款违约风险预测研究-以A银行为例
立的 AdaBoost-SVM模型比原有的指标体系下的 AdaBoost-SVM模型的预测
效果更佳，说明本文构建指标体系的有效性。
关键词：商业银行；个人贷款；违约风险；AdaBoost-SVM
2
。。。以下略