信用風險預測是金融機構在借貸等業(yè)務中一個重要而又具有挑戰(zhàn)性的問題。有效的風險預測模型能揭示可能存在的信用風險,為金融機構決策提供建議和支持。決策者通過調整經(jīng)營策略和采取對應措施便能有效降低甚至化解風險、減少經(jīng)濟損失,宏觀上更有利于維系市場經(jīng)濟穩(wěn)定健康可持續(xù)地發(fā)展。在進行信用風險預測時,通常會面臨如下兩個關鍵問題:(1)信用風險數(shù)據(jù)中的違約用戶與正常履約用戶的樣本數(shù)目極不平衡。(2)大數(shù)據(jù)征信能夠采集到來源更加廣泛且種類更加豐富的數(shù)據(jù),這些數(shù)據(jù)是典型的多源異構數(shù)據(jù)。如何充分有效地利用多源異構征信大數(shù)據(jù)來提升信用風險預測效果是另外一個關鍵問題�；诖�,本文圍繞信用風險預測開展模型與算法的研究,主要包括:(1)基于非對稱Blinex損失函數(shù)的代價敏感不均衡學習模型(Cost-Sensitive Kernel method with Blinex loss,CSKB),該模型首次將非對稱且有界的Blinex函數(shù)應用于代價敏感支持向量機模型的構建,且Blinex函數(shù)良好的性質有助于CSKB模型實現(xiàn)更為準確的信用風險預測。一方面,Blinex函數(shù)的非對稱性使得CSKB模型能夠為多數(shù)類和少數(shù)類樣本建...

【文章頁數(shù)】：95 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 信用風險預測
        1.2.2 不均衡學習
        1.2.3 多視角集成學習
    1.3 研究內容
    1.4 研究方法與技術路線圖
        1.4.1 研究方法
        1.4.2 技術路線圖
    1.5 本文組織結構
第二章 相關理論
    2.1 非對稱損失函數(shù)
        2.1.1 Linex損失函數(shù)
        2.1.2 Blinex損失函數(shù)
    2.2 代價敏感支持向量機
    2.3 XGBoost算法
        2.3.1 泰勒公式展開
        2.3.2 XGBoost目標函數(shù)
    2.4 多視角集成學習算法
    2.5 本章小結
第三章 基于非對稱損失的代價敏感支持向量機
    3.1 模型構建
        3.1.1 線性模型
        3.1.2 非線性模型
    3.2 線性模型求解算法
    3.3 非線性模型求解算法
    3.4 理論分析
    3.5 數(shù)值實驗
        3.5.1 數(shù)據(jù)集描述
        3.5.2 對比方法
        3.5.3 實驗設計
        3.5.4 人工數(shù)據(jù)集實驗結果與分析
        3.5.5 實驗結果與分析
    3.6 應用:信用風險預測
    3.7 本章小結
第四章 基于非對稱損失函數(shù)的多視角不均衡集成學習
    4.1 模型構建
        4.1.1 代價敏感基分類器優(yōu)化目標推導
        4.1.2 基于非對稱損失函數(shù)的代價敏感基分類器構造
        4.1.3 視角集成
        4.1.4 多視角不均衡集成學習框架
    4.2 數(shù)值實驗
        4.2.1 數(shù)據(jù)集描述
        4.2.2 實驗設計
        4.2.3 評價指標
        4.2.4 實驗結果與分析
        4.2.5 消融實驗
    4.3 應用:多視角信用風險預測
    4.4 本章小結
第五章 總結與展望
    5.1 研究總結與貢獻
    5.2 研究局限與展望
參考文獻
致謝
在讀期間科研成果目錄



本文編號：3803055