近年來,隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,金融創(chuàng)新不斷取得突破,互聯(lián)網(wǎng)信貸行業(yè)也在快速成長。雖然相比于傳統(tǒng)的銀行信貸,它在某些方面取得了巨大的突破。但其仍然面臨著巨大的信用違約風險,這對互聯(lián)網(wǎng)信貸平臺的各方參與者來說都存在巨大的潛在危害。對于信貸平臺來說,應(yīng)對信用風險的一個重要措施就是提高對風險交易用戶的識別能力,建立預(yù)報警示機制。不少研究表明機器學習算法在識別違約用戶方面有比較好的表現(xiàn),但互聯(lián)網(wǎng)信貸平臺涉及到的數(shù)據(jù)特征量大且復(fù)雜,并且其影響也是非線性的,單一模型很難在所有方面得到一個比較優(yōu)良的結(jié)果。模型融合可以起到將各模型優(yōu)勢互補的作用,體現(xiàn)“集體智慧”。本文基于群決策思想,將不同信貸風險預(yù)測模型進行融合,來識別風險用戶。群決策思想的模型融合本質(zhì)上是一種加權(quán)平均融合,但其以優(yōu)化預(yù)測結(jié)果的不確定性為目標函數(shù)。本文從如下兩個方面對群決策融合的具體實施過程進行了優(yōu)化。一、由于群決策使用信息熵作為優(yōu)化方法,所以本文提出在進行模型融合前可以對模型概率預(yù)測值進行調(diào)整,以保證預(yù)測結(jié)果在0.5時不確定性最大。二、將群決策融合方法與模型動態(tài)選擇思想相結(jié)合,提出了基于聚類的群決策融合方法。既能夠?qū)崿F(xiàn)參與融合的模型的...

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    第一節(jié) 研究背景及意義
        一、研究背景
        二、研究意義
    第二節(jié) 國內(nèi)外研究現(xiàn)狀及文獻綜述
        一、用戶信用違約評估文獻綜述
        二、模型融合文獻綜述
        三、群決策文獻綜述
    第三節(jié) 論文創(chuàng)新性
第二章 模型融合介紹
    第一節(jié) 常用模型介紹
        一、隨機森林
        二、梯度提升樹
        三、神經(jīng)網(wǎng)絡(luò)
    第二節(jié) 模型融合方法
    第三節(jié) 平均融合法的權(quán)重選取
        一、靜態(tài)權(quán)重選取
        二、動態(tài)權(quán)重選取
第三章 群決策方法介紹
    第一節(jié) 群決策模型融合
        一、群決策模型融合的基本思想
        二、權(quán)重確定方法
    第二節(jié) 群決策模型改進
        一、預(yù)測概率修正
        二、基于聚類的群決策方法
    第三節(jié) 群決策融合方法的特點
第四章 基于某移動支付平臺數(shù)據(jù)的實證研究
    第一節(jié) 數(shù)據(jù)介紹和特征構(gòu)建
        一、數(shù)據(jù)描述
        二、特征構(gòu)建
    第二節(jié) 模型構(gòu)建
        一、模型構(gòu)建框架
        二、個體學習器結(jié)果
        三、聚類結(jié)果
        四、模型融合結(jié)果
第五章 總結(jié)
    第一節(jié) 全文工作總結(jié)
    第二節(jié) 建議與展望
參考文獻
致謝
個人簡歷及在學期間發(fā)表的研究成果



本文編號：3942480