GA改进的统计组合模型在个人信用评估中的应用

将分类精度作为遗传算法的适应度函数,利用遗传算法改进了基于线性回归和Logistic回归的统计组合预测模型,并将其应用于个人信用评估。结果表明,遗传算法改进后的组合预测模型在总分类精度和两类误判率方面都低于单一模型以及基于误差平方和最小的组合预测模型。利用遗传算法改进组合预测模型并用于个人信用评估是具有优势的。     

基于Logistic回归和后验概率SVM的住房贷款组合评估模型

本文针对单一模型存在的分类精度有限的不足,提出了应用组合预测模型进行信用评估的方法.选择Logistic回归和后验概率SVM模型作为单一模型,构建了基于二者的非负权重线性组合预测模型,并将模型应用于住房信贷评估.应用结果表明,组合评估模型的分类精度高于单一模型,并且获得了较好的稳健性,对于构建住房信贷评估模型是一个很好的选择.     

个人信用评估GA神经网络模型的构建与应用

个人信用评估对于商业银行规避消费信贷风险具有重要意义.为了构建更优的个人信用评估模型,提出了利用遗传算法(GA)优化神经网络的信用评估方法,并通过GA适应度函数的设置控制信用评估中给商业银行造成损失较大的第二类误判的发生.模型的应用结果与BP神经网络进行对比表明,GA神经网络能够有效地控制第二类误判的发生,模型的稳健性高,具有更好的适用性.     

基于GP的个人信用评估非线性组合预测模型

个人信用评估对于商业银行控制信贷风险具有重要意义。针对单一模型存在的分类精度不高的问题，需将组合预测模型用于个人信用评估。本文在线性回归和Logistic回归两种单一统计模型的基础上，利用遗传规划（GP）构建了一种非线性组合预测模型。将模型应用于某商业银行的消费信贷数据的分类，其结果表明，基于GP的非线性组合预测模型有效地提高了分类精度，模型的第二娄误判率低，对于商业银行控制个人信用风险具有更好的适用性。     

个人信用评估PSO—SVM模型的构建及应用

支持向量机(SVM)中的参数影响着模型的分类能力,为了使SVM获得更好的分类能力,针对SVM中的人为选择参数的随机性,提出了利用粒子群算法(PSO)进行优化的方法,构建了PSO-SVM模型,并将其应用于商业银行的个人信用评估中。通过改进的PSO算法对SVM中的参数进行优化,并通过粒子适应度函数的设置来控制给商业银行造成较大损失的第2类误判的发生。应用结果表明,PSO-SVM模型的分类精度高,第2类误判率低,并且表现出较好的稳健性,对于控制消费信贷风险具有良好的适用性。