向晖，经济学博士，统计学专业硕士生导师，现任教于湖南师范大学商学院。主要研究领域为计量经济学及金融统计学。近年来在国家级核心期刊上发表相关论文十余篇，合著及参编学术书刊7部。主持省部级科研课题2项，参与国家社科基金课题1项。2006年获湖南省发展和改革委员会、宏观经济学会优秀成果奖及个人二等奖、2008年获湖南师范大学教学优秀奖，2011年获湖南省第十一届哲学社会科学优秀成果三等奖。

　　《湖南师范大学商学院经济管理论丛：个人信用评分组合模型研究与应用》在分析国内外个人信用评分发展历史及其方法应用现状的基础上，指出目前个人信用评分是一个集缺失数据填补、异常值检测和处理、连续数据离散化、样本结构优化、指标体系选择、模型设计、评价和应用为一体的评估系统。针对缺失数据问题，将多种填补方法的应用效果进行了比较。

　　针对以上问题，一个合理的解决思路是：不同的单一模型方法具有各自的优缺点，但它们之间并非相互排斥，而是相互联系、相互补充的，每种方法的预测结果均包含了不同角度的有用信息。因此，如果能将多种单一模型进行组合，充分利用各种有用信息，则有可能提高个人信用评分系统的预测精度。同时，各种模型的组合会使得系统预测误差的变化率成为单个方法预测误差率的组合，使得组合模型的误差变化率降低，从而提高组合系统的稳健性。组合模型是目前国际机器学习界的研究热点，已在语音识别、人脸识别、医疗诊断方面得到了广泛应用，但信用评分领域的相关研究还不多。能否采用组合模型、选择什么样的单一模型参与组合、需要多少个单一模型进行组合以及组合模型的结构是什么，这些都是信用评分组合模型研究中需要解决的问题。本书选题的研究为个人信用评分系统准确性和稳定性的最优选择问题给出解决方案。
　　另外，个人信用评分是集评估目标确定、缺失数据填补、连续数据离散化、异常值检测、抽样方法选择、指标体系构建、模型设计、模型检验及应用为一体的系统评估方法。违约标准确定、数据预处理技术以及指标体系选择等建模辅助技术对信用评分的最终结果有着非常大的影响。然而目前大多数学者的研究仅局限于对个人信用评分模型的设计，忽视了信用数据中存在的数据缺失、结构不平衡、指标维度过高等问题，结果导致信用评分模型的潜力未能得到充分地开发和利用。本书从系统论的角度对个人信用评分过程的各个环节进行全面细致的研究，设计了一套完整的数据预处理和指标体系选择方案，为消费信贷提供更为全面、准确、客观的信贷决策支持奠定理论基础，具有重要的理论和实践指导意义。
　　西方发达国家已将个人信用评分拓展应用于税务检查、人员招聘等多个领域。但我国的个人信用评分拓展应用，尤其是将个人信用评分拓展应用于政府监管仍然是一个全新的领域。
　　……

图索引
表索引
第1章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状及文献综述
1.2.1 申请评分
1.2.2 行为评分
1.2.3 利润评分
1.3 技术路线与内容结构
1.3.1 技术路线
1.3.2 内容结构
1.4 研究方法和主要创新点

第2章 个人信用评分的相关理论研究
2.1 个人信用评分的界定
2.1.1 信用的含义
2.1.2 个人信用
2.1.3 个人信用评分
2.1.4 个人信用评分体系
2.2 个人信用评分的经济学分析
2.2.1 个人信用评分与逆向选择
2.2.2 个人信用评分与道德风险
2.3 个人信用评分的一般过程
2.3.1 问题定义
2.3.2 数据采集和预处理
2.3.3 个人信用评分模型的建立
2.3.4 个人信用评分模型的检验
2.4 个人信用评分的应用与拓展
2.4.1 个人信用评分的应用
2.4.2 个人信用评分应用的拓展

第3章 个人信用评分中的数据预处理
3.1 个人信用数据的内容和表述
3.1.1 个人信用数据的主要内容
3.1.2 本书使用个人信用数据的描述
3.1.3 个人信用数据的表述
3.2 个人信用数据中的缺失值处理
3.2.1 对缺失值的单值填补和多重填补
3.2.2 数值实验
3.3 个人信用数据中异常值的检测和处理
3.3.1 单个属性异常值的检测和处理
3.3.2 异常实例的检测和处理
3.3.3 数值实验
3.4 个人信用数据的离散化
3.4.1 等距和等频区间离散化方法
3.4.2 基于熵的离散化方法
3.4.3 数值实验
3.5 个人信用数据中的不平衡数据问题研究
3.5.1 数据层面的解决方法
3.5.2 算法层面的解决方法
3.5.3 数值实验

第4章 个人信用评分的指标体系研究
4.1 个人信用评分指标体系构建原则
4.2 影响个人信用的因素分析
4.3 基于重要性排序的个人信用评分指标选择
4.3.1 统计量
4.3.2 信息增益
4.3.3 信息增益率
4.3.4 Relief F方法
4.3.5 BP神经网络连接权值
4.3.6 组合方法
4.4 基于最优特征子集的个人信用评分指标选择
4.4.1 基于相关性的特征子集选择方法
4.4.2 基于一致性的特征子集选择方法
4.4.3 包裹法 
4.4.4 数值实验
4.5 完善个体工商户信用评分指标体系的政策建议

第5章 个人信用评分单一模型的应用与比较
5.1 个人信用评分的统计模型
5.1.1 L0gistic回归模型的原理及应用
5.1.2 决策树模型的原理及应用
5.1.3 贝叶斯网络模型的原理及应用
5.2 个人信用评分的非统计模型
5.2.1 神经网络模型的原理及应用
5.2.2 支持向量机模型的原理及应用
5.3 个人信用评分单一模型的性能比较

第6章 个人信用评分组合模型构建与应用
6.1 组合模型概述
6.1.1 组合模型的原理
6.1.2 组合模型的结构
6.1.3 单一模型的选择
6.1.4 单一模型的合成
6.2 串行结构的个人信用评分组合模型
6.2.1 串行结构的个人信用评分组合模型原理
6.2.2 数值实验
6.3 异态并行结构的个人信用评分组合模型
6.3.1 异态并行结构的个人信用评分组合模型原理
6.3.2 数值实验
6.4 同态并行结构的个人信用评分组合模型
6.4.1 Bagging、Boosting和Rsm集成个人信用评分模型
6.4.2 基于聚类的Bagging集成个人信用评分模型
6.4.3 基于聚类的选择集成个人信用评分模型
结论
参考文献
后记