1. 研究目的与意义、国内外研究现状（文献综述）

1、课题的意义在世界经济不断发展的今天,全球整个金融体系正呈现着一体化、紧密化的趋势。

随着我国商业银行市场化及开放程度不断加大，准确评估、预测和预警金融风险已成为我国金融业乃至世界范围各国所面临的重大课题。

具体的类型包括：信用风险、市场风险以及操作风险等。

2. 研究的基本内容和问题

研究的目标：银行信用评估就是通过综合考察个人及其家庭的内外客观、微观环境，包括经济、金融、司法、工商、财产等过程在内的，使用科学严谨的分析方法，对个人及其家庭的资产状况、履约各种经济承受能力和信誉度进行全面评判和估价，以一定的符号表明其信用状况。

而数据挖掘起到的作用就是从大量的客户信息中挖掘出有用的信息，因此研究的目标就是通过数据挖掘的多种算法对数据进行分类和预测，并对结果进行判定比较。

2、重点研究内容：传统信用评估模型是综合运用计量经济学、统计学、运筹学等进行信用评估建模的方法。

3. 研究的方法与方案

1、研究方法： (1)通过查阅大量文献，学习相关方面数据挖掘应用的知识。(2)进行统计学相关方面的学习，更深入了解算法的内容和含义。(3)定时向指导老师提出设计过程中的困惑，并与指导老师交流与解决问题。(4)向相关机构获取大量数据，预处理后，随机分割为样本集和测试集；(5)采用确定的决策树、神经网络、贝叶斯分类分类算法对样本集进行分类处理，建立不同分类算法下的银行信用风险评估模型。(6)基于测试集，分析不同分类算法的评估模型的准确性与效率，确定银行信用风险评估中合适的分类算法，建立银行信用风险评估分类模型。2、技术路线：获取国内外最新的金融风险管理、商业银行信用风险管理与数据挖掘的应用研究成果和对相关文献资料的整理和挖掘，形成关于金融风险管理、商业银行信用评估与数据挖掘的应用研究的基本观点和模型，并紧密结合实证重点研究信用评估模型。利用编程语言进行算法底层函数的编写以及算法的实现，对数据进行预处理以及分类和预测。运用设计好的标准对算法得出的结果进行评估。3、实验方案：通过数据抽取和转换形成基本的信用数据，采用数据挖掘的理论和相关方法，应用决策树、神经网络等数据挖掘模型对信用评估进行预测性数据挖掘。比较研究以训练样本和预测样本、各类信用等级样本以及多种算法对比分析。在预测性数据挖掘方面则对算法的预测准确性进行对比分析。4、可行性分析客观条件：此次设计的实现需要大量的数据，数据来源于银行，所以存在数据获取的难度。如果不能从银行方面获取到数据，则需进行匿名问卷调查，然后进行归纳统计再进行试验。此次设计所用到的算法基本已经成熟，有大量相关文献进行参考，为实验的进行提供了理论基础。主观条件：实验开发者对数据挖掘有一定的了解和兴趣，对相关方面的知识也有过一段时间的接触。在文献综述的编写过程中也阅读了大量的相关文献。开发者有过一定的项目开发经验，对项目开发的流程有一定的经验。

4. 研究创新点

(1) 将计算机领域与金融领域进行结合，尝试将金融以及统计学部分的知识应用到毕业设计中。

(2) 将传统信用评估与基于数据挖掘的新型信用评估方法有机结合。

(3)对目前国内并不够成熟的信用评估基于数据挖掘的应用进行研究，顺应时代潮流

5. 研究计划与进展

2014年12月1日12月31日 查阅相关文献，初步了解算法思想2015年1月1日1月7日 完成开题报告1月8日1月31日 熟悉算法，获取数据2月1日3月15日 实现算法设计，初步对数据进行预处理3月16日4月25日 进行数据分析预测，对比结果进行算法比较4月26日5月8日 撰写论文5月1日5月5日 修订论文，准备答辩