隨著我國(guó)金融市場(chǎng)的完善與發(fā)展,中小型企業(yè)為市場(chǎng)注入了活力,同時(shí)也帶來(lái)了一定的隱藏信用風(fēng)險(xiǎn)。在企業(yè)的信用風(fēng)險(xiǎn)研究過(guò)程中,維度過(guò)高的影響因素也帶來(lái)了極大的不便。本文基于在信用風(fēng)險(xiǎn)研究中具有良好性質(zhì)的Logistic回歸模型,結(jié)合有效的降維方法,采用集成模型對(duì)我國(guó)中小企業(yè)可能存在的信用風(fēng)險(xiǎn)做出了度量分析以及預(yù)測(cè)。本文分別將Lasso變量選擇方法、以嶺估計(jì)構(gòu)建懲罰權(quán)重的Adaptive Lasso變量選擇方法與Logistic模型相結(jié)合用于建模,使得變量選擇以及參數(shù)估計(jì)能夠同時(shí)實(shí)現(xiàn)。又將變量的信息價(jià)值用于構(gòu)建Adaptive Lasso方法中的懲罰權(quán)重,改進(jìn)模型并驗(yàn)證其有效性。本文對(duì)上述各方法及相關(guān)算法作出了介紹,并對(duì)我國(guó)上市的中小板企業(yè)進(jìn)行了實(shí)證研究。由于我國(guó)中小企業(yè)信息數(shù)據(jù)的缺失及限制,研究所采用的數(shù)據(jù)為不平衡數(shù)據(jù),本文首先采用SMOTE方法對(duì)不平衡數(shù)據(jù)進(jìn)行處理,構(gòu)建度量企業(yè)信用評(píng)分的變量指標(biāo)體系,并驗(yàn)證各分類(lèi)器的分類(lèi)效果。本論文數(shù)據(jù)表明,由信息價(jià)值構(gòu)建懲罰權(quán)重的改進(jìn)的Adaptive Lasso方法在變量選擇方面優(yōu)于原始的Adaptive Lasso方法以及Lasso方法,其選擇的變量更... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 導(dǎo)言
    1.2 研究背景及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 國(guó)外信用評(píng)分模型研究
        1.3.2 國(guó)內(nèi)信用評(píng)分模型研究
    1.4 主要研究?jī)?nèi)容與研究思路
        1.4.1 主要研究?jī)?nèi)容
        1.4.2 主要研究思路
2 信用評(píng)分模型的相關(guān)理論
    2.1 Logistic回歸模型
    2.2 解的稀疏性及Oracle性質(zhì)
        2.2.1 解的稀疏性
        2.2.2 Oracle性質(zhì)
    2.3 變量選擇的相關(guān)理論
        2.3.1 最優(yōu)子集選擇方法
        2.3.2 系數(shù)壓縮法
        2.3.3 嶺估計(jì)
        2.3.4 Lasso方法
        2.3.5 Adaptive Lasso方法
    2.4 相關(guān)算法研究
        2.4.1 梯度下降法
        2.4.2 LARS算法
        2.4.3 LSA算法
    2.5 模型的評(píng)估標(biāo)準(zhǔn)
        2.5.1 混淆矩陣
        2.5.2 ROC曲線和AUC值
        2.5.3 KS曲線
        2.5.4 CIER指標(biāo)
3 實(shí)例分析
    3.1 企業(yè)信用指標(biāo)體系的構(gòu)建
    3.2 不平衡數(shù)據(jù)的預(yù)處理
    3.3 基于Lasso變量選擇的Logistic回歸模型
    3.4 基于Adaptive Lasso變量選擇的Logistic回歸模型
4 模型改進(jìn)與對(duì)比分析
    4.1 證據(jù)權(quán)重與信息價(jià)值
    4.2 改進(jìn)的Adaptive Lasso-Logistic模型
    4.3 模型的預(yù)測(cè)與評(píng)價(jià)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝



本文編號(hào)：3490196