隨著個(gè)人貸款的需求日漸旺盛,評(píng)估貸款人的信用好壞對(duì)金融機(jī)構(gòu)規(guī)避風(fēng)險(xiǎn)尤為重要。文章提出了基于組合分類(lèi)策略的個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型,該模型引入了決策分值的概念,選取K最近鄰（K-nearest neighbor, KNN）、隨機(jī)森林（random forest,RF）、決策樹(shù)（decision tree,DT）和支持向量機(jī)（support vector machine SVM）等常用的信用評(píng)估分類(lèi)算法作為基分類(lèi)器,分別從穩(wěn)定性和準(zhǔn)確性2個(gè)維度計(jì)算每個(gè)基分類(lèi)器的決策分值,并根據(jù)組合后的決策分值評(píng)估貸款人信用好壞,最后在3個(gè)真實(shí)數(shù)據(jù)集上驗(yàn)證了該模型的有效性。 

【文章來(lái)源】：合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,43(07)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

2008—2017年銀行業(yè)不良貸款余額

本文提出一種基于決策分值的多分類(lèi)器組合(multiple classifier combination,MCC)模型,具體流程如圖2所示。該模型從2個(gè)維度量化單個(gè)分類(lèi)器的可信度,并通過(guò)組合的方式進(jìn)行分類(lèi)器的融合,既可以提高整體分類(lèi)的準(zhǔn)確率,又能保證實(shí)際應(yīng)用中的穩(wěn)定性,滿足金融機(jī)構(gòu)判別貸款類(lèi)新客戶信用的要求。

穩(wěn)定性的考量是根據(jù)該分類(lèi)器在同一數(shù)據(jù)集下相同規(guī)模的n份不同子數(shù)據(jù)集的訓(xùn)練結(jié)果計(jì)算得出,準(zhǔn)確性的考量是根據(jù)該分類(lèi)器n次訓(xùn)練結(jié)果的準(zhǔn)確率高低確定的。MCC模型的決策分值計(jì)算流程如圖3所示。具體方法如下。

【參考文獻(xiàn)】：
期刊論文
[1]基于SA-SVM的眾籌違約風(fēng)險(xiǎn)預(yù)警模型[J]. 李杰,馬士豪,靳孟宇,Chao-hsien Chu.  統(tǒng)計(jì)與信息論壇. 2018(11)
[2]基于B-S期權(quán)定價(jià)模型的V2G備用合約協(xié)調(diào)機(jī)制研究[J]. 黃守軍,楊俊,陳其安.  中國(guó)管理科學(xué). 2016(10)
[3]基于二元選擇分位數(shù)回歸的上市公司信用評(píng)估[J]. 蔣翠俠,黃韻華,許啟發(fā),虞克明.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(07)
[4]大數(shù)據(jù)背景下網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)評(píng)估——以人人貸為例[J]. 柳向東,李鳳.  統(tǒng)計(jì)與信息論壇. 2016(05)
[5]KMV模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理中的適用性分析及實(shí)證檢驗(yàn)[J]. 楊秀云,蔣園園,段珍珍.  財(cái)經(jīng)理論與實(shí)踐. 2016(01)
[6]基于組合分類(lèi)的消費(fèi)者信用評(píng)估[J]. 王昱.  管理工程學(xué)報(bào). 2015(01)
[7]基于數(shù)據(jù)挖掘的信貸客戶信用評(píng)估系統(tǒng)研究[J]. 佘燕達(dá),李海晨.  情報(bào)雜志. 2010(07)
[8]基于GP+BP的信用評(píng)估模型研究[J]. 徐娟,胡學(xué)鋼.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(04)
[9]個(gè)人信用資產(chǎn)價(jià)值的模糊綜合評(píng)價(jià)[J]. 程艷琴,肖振宇.  統(tǒng)計(jì)與決策. 2007(04)



本文編號(hào)：3339790