隨著信用風(fēng)險(xiǎn)損失日益增長(zhǎng),建立一套科學(xué)、有效的信用風(fēng)險(xiǎn)控制方案對(duì)金融機(jī)構(gòu)來(lái)說(shuō)尤為重要。為提高工作效率,機(jī)器學(xué)習(xí)模型被安排在許多繁瑣的業(yè)務(wù)流程當(dāng)中,但每一次不正確的預(yù)測(cè)都可能帶來(lái)嚴(yán)重的后果。當(dāng)前基于機(jī)器學(xué)習(xí)的信用風(fēng)險(xiǎn)控制方案普遍存在解釋性較差、判別指標(biāo)不完善等問(wèn)題。針對(duì)這些問(wèn)題,本文主要利用多源數(shù)據(jù)信息完成信用風(fēng)險(xiǎn)控制模型和信用風(fēng)險(xiǎn)評(píng)分卡構(gòu)建等方面的內(nèi)容。論文主要工作如下:為滿足信貸業(yè)務(wù)監(jiān)管部門(mén)對(duì)最終上線模型可解釋性的要求,本文采用主流的邏輯回歸來(lái)建立信用風(fēng)險(xiǎn)控制模型。但是,它作為廣義線性模型,預(yù)測(cè)效果不佳。因此本文首先提出了一種基于EasyEnsemble欠采樣方法改進(jìn)的算法FenbuEasyEnsemble(FEE),主要通過(guò)去除噪聲樣本、子集劃分、集合填充等步驟來(lái)平衡數(shù)據(jù)集。然后在此基礎(chǔ)上,構(gòu)建了一個(gè)基于平衡數(shù)據(jù)集和組合特征的多階段混合模型XGBOOST_FenbuEasyEnsemble_Logistic Regression(XGB_FEE_LR),讓邏輯回歸解釋性好的巨大優(yōu)勢(shì)盡可能地得到發(fā)揮,同時(shí)...

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的章節(jié)安排
第二章 相關(guān)理論基礎(chǔ)和關(guān)鍵技術(shù)介紹
    2.1 信用風(fēng)險(xiǎn)的基本概念與特點(diǎn)
    2.2 采樣方式的實(shí)現(xiàn)原理
    2.3 基本分類器的實(shí)現(xiàn)原理
    2.4 信用風(fēng)險(xiǎn)控制模型的評(píng)價(jià)指標(biāo)
    2.5 基于圖模型的節(jié)點(diǎn)影響分析
    2.6 本章小結(jié)
第三章 基于多源信息融合的信用風(fēng)險(xiǎn)控制方案設(shè)計(jì)
    3.1 問(wèn)題的提出
    3.2 基于多源信息融合的信用風(fēng)險(xiǎn)控制方案的算法框架
    3.3 數(shù)據(jù)集基本信息
    3.4 本章小結(jié)
第四章 信用風(fēng)險(xiǎn)控制模型的構(gòu)建
    4.1 數(shù)據(jù)準(zhǔn)備
        4.1.1 探索性數(shù)據(jù)分析
        4.1.2 缺失值和異常值的處理
    4.2 平衡數(shù)據(jù)集
        4.2.1 基于EasyEnsemble改進(jìn)的欠采樣算法FEE的數(shù)據(jù)集平衡
        4.2.2 仿真實(shí)驗(yàn)及結(jié)果分析
    4.3 特征選擇
        4.3.1 基于XGBOOST模型的特征組合
        4.3.2 仿真實(shí)驗(yàn)及結(jié)果分析
    4.4 基于平衡數(shù)據(jù)集和組合特征的邏輯回歸模型
        4.4.1 模型的整體框架
        4.4.2 模型的評(píng)價(jià)指標(biāo)
        4.4.3 仿真實(shí)驗(yàn)及結(jié)果分析
    4.5 本章小結(jié)
第五章 信用風(fēng)險(xiǎn)評(píng)分卡的構(gòu)建
    5.1 經(jīng)典信用風(fēng)險(xiǎn)評(píng)分卡構(gòu)建原理
        5.1.1 基于WOE的特征分箱
        5.1.2 基于IV值的特征篩選
        5.1.3 基于邏輯回歸模型的信用風(fēng)險(xiǎn)評(píng)分卡構(gòu)建
    5.2 基于人物金融關(guān)系的信用風(fēng)險(xiǎn)評(píng)分卡構(gòu)建框架
        5.2.1 多源信息融合
        5.2.2 基于金融關(guān)系圖譜雙向傳播的影響力評(píng)估算法FRG_ADRank
        5.2.3 信用風(fēng)險(xiǎn)評(píng)分修正
    5.3 仿真實(shí)驗(yàn)及結(jié)果分析
        5.3.1 人物金融關(guān)系圖譜構(gòu)建
        5.3.2 PageRank和 FRG_ADRank算法的節(jié)點(diǎn)影響力評(píng)估對(duì)比實(shí)驗(yàn)
        5.3.3 經(jīng)典評(píng)分卡和基于人物金融關(guān)系的評(píng)分卡結(jié)果對(duì)比
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 研究工作展望
致謝
參考文獻(xiàn)



本文編號(hào)：3740246