機器學習在信用評級中的應用.pdf

1、信用評級問題，簡單來說就是對評價對象的還貸能力進行評定和預測。雖然根據(jù)評價主體和評價客體的不同，信用評級可以分為內(nèi)部信用評級、外部信用評級（評價主體不同）和消費者個人的信用評級、企業(yè)用戶的信用評級（評價客體的不同）。本文主要針對內(nèi)部信用評級的企業(yè)用戶評級問題作出研究。
　　在引言部分，主要介紹了本文的研究背景，探討了信用評級問題的重要性。并簡述了傳統(tǒng)信用評級的發(fā)展過程，并指出了傳統(tǒng)信用評級所存在的問題，將機器學習應用在信用評級領域

2、中的重要性。進而簡單介紹了本文中涉及的兩種機器學習方法——人工神經(jīng)網(wǎng)絡和支持向量機的相關概念。
　　在第二章，論文首先介紹了本文中涉及的樣本數(shù)據(jù)的獲取與初步處理方法。接下來是本文的主體部分。
　　在2.2中，主要采用人工神經(jīng)網(wǎng)絡針對房地產(chǎn)、石油及燃氣行業(yè)及混合行業(yè)三組樣本數(shù)據(jù)進行模型建立，并對信用評級進行預測，并結(jié)合Monte-Carlo給出一個較為穩(wěn)定的正確率，給出財務指標的相關性。
　　在2.3中，主要采用支持向量

3、機的方法對房地產(chǎn)、石油及燃氣行業(yè)及混合行業(yè)三組樣本數(shù)據(jù)進行模型建立，并對信用評級進行預測，并與神經(jīng)網(wǎng)絡預測結(jié)果進行對比。
　　在2.4中，研究了預測準確率模擬數(shù)據(jù)的分布，并對分布進行擬合，比較K-S統(tǒng)計量選擇較為準確擬合的分布，并判斷每次預測準確率的置信區(qū)間。進而采用重抽樣方法，本文中指自舉法（基本自舉法、分位數(shù)自舉法、BCa自舉法），對平均預測準確率的波動做出分析，估計平均預測準確率的置信區(qū)間。
　　在文章的最后，對機器學