連續(xù)變量離散化屬于信用評級建模的初始階段,科學(xué)的離散化操作能夠提升模型的分類效果和參數(shù)的穩(wěn)定性,便于評級模型的產(chǎn)品呈現(xiàn).考慮信用評級的誤判成本差異,對類別-屬性一致性最大化準(zhǔn)則進(jìn)行類別權(quán)重調(diào)整,提出ACACM準(zhǔn)則,并提出基于ACACM準(zhǔn)則的數(shù)據(jù)離散化算法.ACACM算法調(diào)整原算法中不同類別個體的權(quán)重,更加傾向于刻畫誤判成本較高的違約客戶,使離散化后的變量能夠提升評級模型的風(fēng)險控制能力,更適合信用評級建模. 

【文章來源】：數(shù)學(xué)的實(shí)踐與認(rèn)識. 2019,49(23)北大核心

【文章頁數(shù)】：7 頁

【參考文獻(xiàn)】：
期刊論文
[1]信用評級模型構(gòu)建的統(tǒng)計學(xué)解讀[J]. 夏利宇,何琬.  征信. 2019(06)
[2]基于半?yún)?shù)方法進(jìn)行拒絕推斷的信用評級模型[J]. 夏利宇,何曉群.  管理評論. 2018(10)
[3]個人信用評級模型的指標(biāo)選擇方法[J]. 史小康,馬學(xué)俊.  統(tǒng)計與決策. 2014(23)
[4]連續(xù)屬性離散化的Imp-Chi2算法[J]. 桑雨,閆德勤,劉磊,梁宏霞.  計算機(jī)工程. 2008(17)



本文編號：3535746