【摘要】：雖然目前在實踐中最常用的信用評分方法是邏輯回歸,但研究的結(jié)果表明支持向量機在信用評分建模中是更為有效的方法。然而邏輯回歸和支持向量機方法在高維數(shù)據(jù)分類問題上都面臨著維度災(zāi)難的問題。正是基于以上原因,筆者提出了正交支持向量機的方法,并與目前常用的特征提取方法——主成分分析,逐步回歸等在German信用卡數(shù)據(jù)集上進行了對比實驗,交叉實驗的結(jié)果表明正交支持向量機不論是在評分效果上還是評分效率上都有更好的表現(xiàn)。
[Abstract]:Although the most commonly used credit scoring method in practice is a logical regression, the results of the research show that the support vector machine is more effective in the credit scoring modeling. However, the method of logistic regression and support vector machine is faced with the problem of dimension disaster in the problem of high-dimensional data classification. Based on the above reasons, the author put forward the method of orthogonal support vector machine, and compared with the popular feature extraction method, principal component analysis, stepwise regression and so on on the German credit card data set. The results of the cross experiment show that the orthogonal support vector machine has better performance both in the scoring efficiency and the scoring efficiency.
【作者單位】： 中央財經(jīng)大學管理科學與工程學院;北京航空航天大學經(jīng)濟管理學院;
【基金】：國家哲學社會科學基金青年資助項目(13CTJ004) 國家自然科學基金重點資助項目(71232003);國家自然科學基金面上資助項目(71371022)
【分類號】：F832.4

【相似文獻】

相關(guān)期刊論文 前10條

1 陳海英;;基于支持向量機的上證指數(shù)預(yù)測和分析[J];計算機仿真;2013年01期

2 姚瀟;余樂安;;模糊近似支持向量機模型及其在信用風險評估中的應(yīng)用[J];系統(tǒng)工程理論與實踐;2012年03期

3 郭輝;;支持向量機選擇及其在股票走勢預(yù)測中的應(yīng)用[J];重慶師范大學學報(自然科學版);2007年04期

4 湯凌冰;盛煥燁;湯凌霄;;基于小波支持向量機的金融預(yù)測[J];湘潭大學自然科學學報;2009年01期

5 耿立艷;馬軍海;;基于灰色支持向量機的基金波動率預(yù)測研究[J];計算機應(yīng)用研究;2009年07期

6 施劍;;基于SVM的IPO首日投資策略分析[J];計算機系統(tǒng)應(yīng)用;2013年10期

7 張庚;易宗向;;帶修正的基于支持向量機的股票短期預(yù)測[J];佛山科學技術(shù)學院學報(自然科學版);2014年02期

8 葛黎輝;周宏;;基于加權(quán)最小二乘支持向量機的金融時間序列預(yù)測[J];商場現(xiàn)代化;2009年12期

9 吳萌;徐全智;;支持向量機在金融時間序列預(yù)測中的應(yīng)用[J];電子科技大學學報;2007年S1期

10 譚春暉;;基于支持向量機的商業(yè)銀行信用風險評估和控制研究[J];信息系統(tǒng)工程;2010年05期

相關(guān)會議論文 前1條

1 程硯秋;楊德權(quán);;基于決策樹和支持向量機的金融預(yù)測方法[A];中國企業(yè)運籌學學術(shù)交流大會論文集[C];2007年

相關(guān)博士學位論文 前2條

1 馮業(yè)偉;基于支持向量機和移動Agent技術(shù)的銀行風險早期預(yù)警系統(tǒng)研究[D];中國海洋大學;2011年

2 沈傳河;金融問題中的支持向量機應(yīng)用研究[D];山東科技大學;2011年

相關(guān)碩士學位論文 前10條

1 宋曉茜;基于支持向量機SVM的銀行客戶關(guān)系管理研究[D];南昌大學;2015年

2 李萌萌;基于支持向量機回歸的金融系統(tǒng)性風險預(yù)測[D];蘭州財經(jīng)大學;2015年

3 李悅;基于支持向量機的股市預(yù)測[D];復(fù)旦大學;2014年

4 黃磊;基于支持向量機的創(chuàng)業(yè)板指數(shù)預(yù)測研究與應(yīng)用[D];哈爾濱工業(yè)大學;2014年

5 王瓊瑤;基于改進的支持向量機技術(shù)在股票短期價格預(yù)測中的應(yīng)用[D];重慶交通大學;2015年

6 李漢琛;基于支持向量機理論的股指期貨量化交易策略研究[D];浙江大學;2016年

7 周樂;支持向量機的漸近統(tǒng)計性質(zhì)及其應(yīng)用[D];浙江大學;2016年

8 鄭雪生;基于支持向量機的新三板金融時間序列模型及其應(yīng)用[D];山東大學;2016年

9 朱磊;基于支持向量機的股價預(yù)測研究[D];重慶工商大學;2016年

10 閆瑞雪;網(wǎng)絡(luò)模型下證券投資組合的選擇研究[D];鄭州大學;2016年

，

本文編號：2413294