信用評(píng)價(jià)對(duì)銀行和保險(xiǎn)等金融機(jī)構(gòu)降低風(fēng)險(xiǎn)、增加收益至關(guān)重要,是金融行業(yè)重點(diǎn)關(guān)注的技術(shù)之一。隨著大數(shù)據(jù)時(shí)代的來(lái)臨,利用快速且精準(zhǔn)的數(shù)據(jù)挖掘技術(shù)成為信用評(píng)價(jià)的主流手段。從分類任務(wù)的視角看,傳統(tǒng)信用評(píng)價(jià)通常被刻畫為一個(gè)二分類問(wèn)題,即區(qū)分優(yōu)良貸款和不良貸款,這對(duì)銀行業(yè)的模式是有效的,因?yàn)殂y行貸款利率相對(duì)固定,是否為申請(qǐng)貸款者提供授信是其主要目標(biāo)。不同于傳統(tǒng)銀行借貸,網(wǎng)絡(luò)借貸大多是非抵押貸款,因此信用評(píng)估的準(zhǔn)確性對(duì)其信用風(fēng)險(xiǎn)的管理有著至關(guān)重要的影響。為了更好的控制信用風(fēng)險(xiǎn),網(wǎng)絡(luò)借貸需要根據(jù)借款人的信用水平和違約概率將其劃分為多個(gè)信用等級(jí),進(jìn)而為各個(gè)信用等級(jí)的貸款設(shè)置差異化的利率。這一信用評(píng)價(jià)特點(diǎn)不僅要求多類別分類算法具有較高的準(zhǔn)確性,而且需要考慮不同類別的誤判損失和各類別間的順序關(guān)系。網(wǎng)絡(luò)借貸的特點(diǎn)對(duì)傳統(tǒng)的信用評(píng)估方法提出了新的問(wèn)題和挑戰(zhàn)。針對(duì)該需求,本文將多個(gè)信用等級(jí)作為多類別進(jìn)行分類建模,從代價(jià)敏感和集成學(xué)習(xí)的視角,提出了考慮網(wǎng)絡(luò)借貸實(shí)際需求的信用評(píng)價(jià)方法,從而達(dá)到提高網(wǎng)絡(luò)借貸信用評(píng)估準(zhǔn)確率和降低誤分類損失的目的。本文具體的研究?jī)?nèi)容包括:第一,網(wǎng)絡(luò)借貸中不同信用類別的誤分會(huì)造成不同程度的損失。...

【文章頁(yè)數(shù)】：134 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 研究思路與內(nèi)容結(jié)構(gòu)
    1.3 研究意義
    1.4 研究方法
    1.5 創(chuàng)新點(diǎn)
第二章 相關(guān)理論與文獻(xiàn)綜述
    2.1 信用評(píng)價(jià)方法研究
    2.2 信用評(píng)價(jià)中的分類算法
    2.3 代價(jià)敏感分類及其在信用評(píng)價(jià)中的應(yīng)用
        2.3.1 代價(jià)敏感分類算法
        2.3.2 代價(jià)敏感分類在信用評(píng)價(jià)中的應(yīng)用
    2.4 集成學(xué)習(xí)算法及其在信用評(píng)價(jià)中的應(yīng)用
        2.4.1 集成學(xué)習(xí)方法
        2.4.2 集成學(xué)習(xí)在信用評(píng)價(jià)中的應(yīng)用
    2.5 本章小結(jié)
第三章 刻畫收益損失與構(gòu)建誤分類代價(jià)矩陣
    3.1 代價(jià)矩陣與相關(guān)研究
    3.2 網(wǎng)絡(luò)借貸場(chǎng)景下的風(fēng)險(xiǎn)與收益建模
    3.3 代價(jià)敏感矩陣的度量與計(jì)算
        3.3.1 下三角矩陣C1

        3.3.2 上三角矩陣C²

    3.4 參數(shù)分析與靈敏度分析
        3.4.1 違約損失率Lgd
        3.4.2 違約概率修正系數(shù)β
        3.4.3 借款人流失率α
        3.4.4 參數(shù)的靈敏度分析方法
    3.5 數(shù)據(jù)實(shí)驗(yàn)
        3.5.1 數(shù)據(jù)描述
        3.5.2 參數(shù)設(shè)置及其管理啟示
        3.5.3 誤分類代價(jià)矩陣計(jì)算
        3.5.4 靈敏度分析
    3.6 本章小結(jié)
第四章 代價(jià)敏感的特征空間和分類算法評(píng)價(jià)與選擇
    4.1 基于過(guò)濾器的特征排序與選擇
        4.1.1 特征選擇方法簡(jiǎn)介
        4.1.2 過(guò)濾法特征選擇中的度量準(zhǔn)則
    4.2 代價(jià)矩陣及代價(jià)敏感分類算法
    4.3 代價(jià)敏感分類結(jié)果的評(píng)價(jià)指標(biāo)
    4.4 實(shí)驗(yàn)設(shè)置
        4.4.1 數(shù)據(jù)預(yù)處理
        4.4.2 實(shí)驗(yàn)環(huán)境與步驟
    4.5 實(shí)驗(yàn)結(jié)果與模型選擇
        4.5.1 傳統(tǒng)分類器與代價(jià)敏感分類器的比較
        4.5.2 代價(jià)敏感分類器及特征子空間的比較
        4.5.3 基于特征重要性的指標(biāo)體系及其管理啟示
    4.6 本章小結(jié)
第五章 基于成對(duì)比較的有序類集成信用評(píng)分方法
    5.1 基于成對(duì)比較的集成學(xué)習(xí)思路
        5.1.1 成對(duì)比較矩陣介紹
        5.1.2 樣本間的成對(duì)比較關(guān)系刻畫
    5.2 不完全信息下成對(duì)比較矩陣的權(quán)重計(jì)算方法
        5.2.1 基于優(yōu)化方法的權(quán)重計(jì)算
        5.2.2 基于元素補(bǔ)全的權(quán)重計(jì)算
        5.2.3 基于譜分析的權(quán)重計(jì)算
    5.3 大規(guī)模成對(duì)比較矩陣的求解:二部圖迭代算法(BGIM)
        5.3.1 二部圖表達(dá)與轉(zhuǎn)移矩陣構(gòu)建
        5.3.2 迭代算法設(shè)計(jì)
        5.3.3 算法性質(zhì)的理論分析
        5.3.4 算法驗(yàn)證實(shí)驗(yàn)
    5.4 網(wǎng)絡(luò)借貸信用評(píng)價(jià)中代價(jià)敏感分類器的集成實(shí)驗(yàn)
        5.4.1 實(shí)驗(yàn)設(shè)置
        5.4.2 實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
附錄
攻讀博士學(xué)位期間取得的成果



本文編號(hào)：3819707

boshi