信用風(fēng)險(xiǎn)預(yù)測(cè)是金融機(jī)構(gòu)在借貸等業(yè)務(wù)中一個(gè)重要而又具有挑戰(zhàn)性的問(wèn)題。有效的風(fēng)險(xiǎn)預(yù)測(cè)模型能揭示可能存在的信用風(fēng)險(xiǎn),為金融機(jī)構(gòu)決策提供建議和支持。決策者通過(guò)調(diào)整經(jīng)營(yíng)策略和采取對(duì)應(yīng)措施便能有效降低甚至化解風(fēng)險(xiǎn)、減少經(jīng)濟(jì)損失,宏觀上更有利于維系市場(chǎng)經(jīng)濟(jì)穩(wěn)定健康可持續(xù)地發(fā)展。在進(jìn)行信用風(fēng)險(xiǎn)預(yù)測(cè)時(shí),通常會(huì)面臨如下兩個(gè)關(guān)鍵問(wèn)題:(1)信用風(fēng)險(xiǎn)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(lái)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(gòu)數(shù)據(jù)。如何充分有效地利用多源異構(gòu)征信大數(shù)據(jù)來(lái)提升信用風(fēng)險(xiǎn)預(yù)測(cè)效果是另外一個(gè)關(guān)鍵問(wèn)題�；诖�,本文圍繞信用風(fēng)險(xiǎn)預(yù)測(cè)開(kāi)展模型與算法的研究,主要包括:(1)基于非對(duì)稱Blinex損失函數(shù)的代價(jià)敏感不均衡學(xué)習(xí)模型(Cost-Sensitive Kernel method with Blinex loss,CSKB),該模型首次將非對(duì)稱且有界的Blinex函數(shù)應(yīng)用于代價(jià)敏感支持向量機(jī)模型的構(gòu)建,且Blinex函數(shù)良好的性質(zhì)有助于CSKB模型實(shí)現(xiàn)更為準(zhǔn)確的信用風(fēng)險(xiǎn)預(yù)測(cè)。一方面,Blinex函數(shù)的非對(duì)稱性使得CSKB模型能夠?yàn)槎鄶?shù)類和少數(shù)類樣本建...

【文章頁(yè)數(shù)】：95 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
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 信用風(fēng)險(xiǎn)預(yù)測(cè)
        1.2.2 不均衡學(xué)習(xí)
        1.2.3 多視角集成學(xué)習(xí)
    1.3 研究?jī)?nèi)容
    1.4 研究方法與技術(shù)路線圖
        1.4.1 研究方法
        1.4.2 技術(shù)路線圖
    1.5 本文組織結(jié)構(gòu)
第二章 相關(guān)理論
    2.1 非對(duì)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(jià)敏感支持向量機(jī)
    2.3 XGBoost算法
        2.3.1 泰勒公式展開(kāi)
        2.3.2 XGBoost目標(biāo)函數(shù)
    2.4 多視角集成學(xué)習(xí)算法
    2.5 本章小結(jié)
第三章 基于非對(duì)稱損失的代價(jià)敏感支持向量機(jī)
    3.1 模型構(gòu)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(shí)驗(yàn)
        3.5.1 數(shù)據(jù)集描述
        3.5.2 對(duì)比方法
        3.5.3 實(shí)驗(yàn)設(shè)計(jì)
        3.5.4 人工數(shù)據(jù)集實(shí)驗(yàn)結(jié)果與分析
        3.5.5 實(shí)驗(yàn)結(jié)果與分析
    3.6 應(yīng)用:信用風(fēng)險(xiǎn)預(yù)測(cè)
    3.7 本章小結(jié)
第四章 基于非對(duì)稱損失函數(shù)的多視角不均衡集成學(xué)習(xí)
    4.1 模型構(gòu)建
        4.1.1 代價(jià)敏感基分類器優(yōu)化目標(biāo)推導(dǎo)
        4.1.2 基于非對(duì)稱損失函數(shù)的代價(jià)敏感基分類器構(gòu)造
        4.1.3 視角集成
        4.1.4 多視角不均衡集成學(xué)習(xí)框架
    4.2 數(shù)值實(shí)驗(yàn)
        4.2.1 數(shù)據(jù)集描述
        4.2.2 實(shí)驗(yàn)設(shè)計(jì)
        4.2.3 評(píng)價(jià)指標(biāo)
        4.2.4 實(shí)驗(yàn)結(jié)果與分析
        4.2.5 消融實(shí)驗(yàn)
    4.3 應(yīng)用:多視角信用風(fēng)險(xiǎn)預(yù)測(cè)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究總結(jié)與貢獻(xiàn)
    5.2 研究局限與展望
參考文獻(xiàn)
致謝
在讀期間科研成果目錄



本文編號(hào)：3803055