【摘要】：進行違約判別研究時,指標體系的構建十分重要,因為用一個對客戶沒有違約鑒別能力的指標體系進行違約判別,無論采用什么樣的方法構建判別方程其判別結果的準確率都不會高。而在違約判別指標體系構建的過程中,由于指標間共線性等因素的影響,單個指標的違約鑒別能力強,多個違約鑒別能力強的指標組成的指標體系的整體違約鑒別能力不一定強。銀行在選擇貸款客戶、投資者在購買公司債的時候是有選擇性的,不違約的“好公司”的公司債更容易獲得貸款、其公司債也更容易被購買。因此,在實際的貸款或公司債券購買樣本中,發(fā)生違約的“差客戶”就非常少,非違約的“好客戶”很多,這就是眾所周知的“非平衡樣本”問題。非平衡樣本處理不好,所建立的模型的預測精度就不會高。非平衡樣本的典型處理方法是通過“過采樣”來擬合少數(shù)樣本或“欠采樣”抽取部分多數(shù)樣本構造一個好客戶與差客戶比例相對平衡的樣本集。這就存在一個問題,兩類樣本個數(shù)的最佳比例是多少,才能使模型的判別精度最高?本文建立了基于最佳平衡樣本比率和最優(yōu)指標組合的神經(jīng)網(wǎng)絡預測模型。本文的創(chuàng)新與特色一是在m個指標組成的2~m個組合中,用神經(jīng)網(wǎng)絡測算每一個指標組合的鑒別精度,并選取鑒別精度最高的那一個組合作為建立模型的最優(yōu)指標組合,以確保模型的判別精度最高。二是通過構造多個好客戶數(shù)量與全部差客戶數(shù)量的配比β;通過諸如β=1,2,…,5中的每一個配比比率,都對應θ個配對樣本;通過對θ個配對樣本中的每一個配對樣本的多個不同指標組合的神經(jīng)網(wǎng)絡模型的判別精度最高的那一個模型,都可以反推這一個配對樣本的最優(yōu)指標組合,由此θ個配對樣本就可以得到θ個指標組合及其對應的神經(jīng)網(wǎng)絡模型,通過這θ個神經(jīng)網(wǎng)絡模型對訓練樣本和測試樣本進行預測,就可以得到這一個配比比率的判別精度。通過對多個配比比率精度的對比,就可以得到判別精度最高的最佳配比比率β*。三是中國某商業(yè)銀行全國1 231個非工業(yè)的小企業(yè)樣本的實證研究表明:在進行非平衡樣本的處理時,好客戶與全部差客戶數(shù)量配比的最佳配比比率β*=2:1。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F275;F832

【參考文獻】

相關期刊論文 前5條

1 肖鋒;陳曉鋒;;IIHS小偏置碰撞位移導向策略與結構評估方法[J];汽車安全與節(jié)能學報;2013年04期

2 孔令錚;;交通事故致因中的人為因素分析[J];中國安全科學學報;2013年01期

3 陳祥;劉辛軍;;基于RAMP插值模型結合導重法求解拓撲優(yōu)化問題[J];機械工程學報;2012年01期

4 趙福全;吳成明;潘之杰;劉衛(wèi)國;劉巍;;中國汽車安全技術的現(xiàn)狀與展望[J];汽車安全與節(jié)能學報;2011年02期

5 敖谷昌;楊利;;機動車駕駛員人為因素與交通事故危害性關聯(lián)分析[J];重慶交通大學學報(自然科學版);2010年01期

相關博士學位論文 前1條

1 楊姝;復雜機械結構拓撲優(yōu)化若干問題研究[D];大連理工大學;2007年

相關碩士學位論文 前8條

1 易超;小重疊偏置碰撞安全研究[D];湖南大學;2016年

2 譚純;某電動汽車車身耐撞框架結構拓撲優(yōu)化設計研究[D];湖南大學;2015年

3 劉學莉;某SUV小偏置正面碰撞安全性能研究[D];燕山大學;2015年

4 姚浩澤;面向精度的火炮架體及減振器優(yōu)化設計[D];大連理工大學;2014年

5 孫京帥;蜂窩材料面內(nèi)沖擊吸能性能優(yōu)化及在電動汽車耐撞性設計中的應用[D];大連理工大學;2013年

6 滿宏亮;工程結構拓撲優(yōu)化的理論研究及應用[D];吉林大學;2007年

7 李凌飛;基于變密度法的結構拓撲優(yōu)化研究[D];吉林大學;2007年

8 范體強;基于虛擬試驗技術的汽車側面碰撞安全性研究[D];湖南大學;2007年

，

本文編號：2708061