在Hadoop大数据平台的基础上构建了一个基于MapReduce框架并行化的C4.5决策树算法，并采用此算法设计了一套银行贷款的风险预测系统。算法结合MapReduce框架、HDFS 文件存储系统，使用Java语言编写，根据贷款人的各个特征属性信息增益率来选择决策点。其中包含对连续值属性、离散值属性的处理，采用后剪枝悲观剪枝的方法对决策树进行剪枝，以避免决策树出现过拟合的特征。系统包含数据导入、数据分析、结果展示等模块，操作简单、快捷，能准确预测贷款人的信誉情况，平均准确率达到65%~80%，而且与传统的决策树模型相比在性能方面有更好的提升。

仅供学弟学妹参考，禁止用作商业用途，严禁发生抄袭等学术不端行为。仅供学弟学妹参考，禁止用作商业用途，严禁发生抄袭等学术不端行为。

文章水平有限...但是Matlab的代码还是有一定价值的...

信用风险评分卡研究-课本中涉及的所有SAS 代码源文件，好资源

在这里，我有信用风险数据集的代码。 在此数据集中，有许多细节，例如... Loan_ID 614非空对象性别614非空int32已婚614非空int32依赖对象614非空int32教育614非空对象Self_Employed 614非空int32 ApplicantIncome 614非空int64 CoapplicantIncome 614非空float非空float64 Loan_Amount_Term 614非空float64 Credit_History 614非空float64 Property_Area 614非空对象Loan_Status 614非空int32 在这种情况下，我们必须预测该人是否将获得贷款（1）或不获得（0）。 '''贷款ID无效Loan_status是目标变量'''清理数据（填充Null数据，将String转换为整数）后，我使用了各种分类算法。（COZ是

论文研究-基于Copula-ASV-EVT-CoVaR模型的中小板与创业板风险溢出度量研究.pdf,  本文以条件在险价值(CoVaR)法为基础, 结合Copula-ASV-EVT模型分析了我国中小板与创业板市场之间的风险溢出效应.结果表明, 中小板与创业板市场之间存在双向风险溢出效应, 且中小板市场对创业板市场的风险溢出效应强于创业板市场对中小板市场的风险溢出效应. 此外, 文章还分析了波动冲击对中小板与创业板的影响. 最后, 本文为风险监管以及投资者在中小板与创业板之间进行资产配置提供了建议.

在GIS（地理信息系统）支持下，以湖南省自然灾害为例进行了风险分析，通过绘制专题图展示了风险的分布以及随着灾害程度的增加，风险的空间变化趋势。在风险估算的基础上初步进行了危险性分析。这些结果不仅为湖南省自然灾害减灾对策的制定、种值业险种保险费率的厘定等提供了必要的依据，而且为充实GIS的模型分析功能提供了新的思路及实例。

信息安全风险评估表

论文研究-基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究.pdf,  鉴于股票波动具有显著的多尺度特征，本文引入二元经验模态分解（EMD）与二元Copula-GARCH算法，提出一种新的VaR风险度量模型，即BEMD-Copula-GARCH模型.具体地，新BEMD-Copula-GARCH模型可分为三个主要步骤：数据分析，分风险估计和总风险集成.首先，基于二元EMD模型，将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量，以降低建模难度.其次，引入二元Copula-GARCH模型，刻画各组分量间的相互关系，以度量股票投资组合在不同尺度上的分VaR值.最后，集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合，结果表明：本文所构建的新模型能有效度量投资组合风险，其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.

我国股票市场与债券市场组合风险测量 --基于Copula-GARCH-EVT方法，周军，陈燕武，股票和债券是投资者进行投资组合的重要工具，股票市场与债券市场风险存在着复杂的相关关系。本文运用AR(1)-GARCH(1,1)模型分别提取两�