集成分類器及其在個(gè)人信用評(píng)估的應(yīng)用.pdf

1、近年來，伴隨著消費(fèi)信貸業(yè)務(wù)的高速發(fā)展，給商業(yè)銀行等金融機(jī)構(gòu)帶來了巨大的信用風(fēng)險(xiǎn)。怎樣規(guī)避信用風(fēng)險(xiǎn)是一個(gè)重要課題。在我國，個(gè)人信用評(píng)估模型的研究與開發(fā)才剛剛開始。本文將探索性地構(gòu)建科學(xué)的信用評(píng)估體系。
　　 本文研究集成分類器在個(gè)人信用評(píng)估領(lǐng)域的應(yīng)用，利用集成分類器高分類精度和能度量特征變量重要性的特點(diǎn)，對(duì)傳統(tǒng)的信用評(píng)估模型進(jìn)行改進(jìn)和創(chuàng)新。本文的創(chuàng)新點(diǎn)有三個(gè):一是以分類的角度，利用集成分類器分別建立了信用分類模型;二是利用信用評(píng)估

2、的特殊性，提出了改進(jìn)的隨機(jī)森林和Boosting模型，有效地降低了第一類錯(cuò)誤;三是利用隨機(jī)森林和Boosting，結(jié)合我國的信用評(píng)分模式，分別建立了一套基于集成分類器的個(gè)人信用評(píng)分指標(biāo)體系。
　　 本文討論了常見的單分類模型和集成分類模型，前者包括判別分析，K-Means算法，最小近鄰算法，Logistic回歸和決策樹方法，后者包括Bagging，隨機(jī)森林和Boosting，分別利用它們建立了個(gè)人信用分類模型，用獨(dú)立測試集估計(jì)泛

3、化誤差，證實(shí)在綜合分類效果意義上，集成分類器比單分類器要優(yōu)秀。針對(duì)信用評(píng)估的特殊性，本文還提出了改進(jìn)的集成分類模型。
　　 基于集成分類器的個(gè)人信用評(píng)分指標(biāo)體系，是利用集成分類器具有識(shí)別變量重要性的特點(diǎn)來量化每個(gè)評(píng)估指標(biāo)的權(quán)重，然后用風(fēng)險(xiǎn)度量值來量化指標(biāo)中每個(gè)取值的分?jǐn)?shù)，最后構(gòu)建了新的評(píng)分體系。實(shí)證分析表明新體系在對(duì)客戶進(jìn)行信用評(píng)分的同時(shí)，也能夠識(shí)別信用風(fēng)險(xiǎn)和分類，在分類效果上，要優(yōu)于任何一種單分類器和集成分類器，新的信用評(píng)分指