Bagging-BP算法及其在客户信用评估中的应用

随着银行信贷的发展以及其对信用风险的关注,客户信用评估已成为银行业研究的一个重要内容。目前信用评估的研究中采用单个分类器进行评估,预测精度难以提高,本文提出了Bagging-BP算法,它以BP神经网络作为基本分类器,利用Bagging方法产生多个基本分类器,最后用简单多数投票法进行集成。在UCI中的German和Australian信用数据集上的实验结果表明,Bagging-BP优于单个分类器和以其他基本分类器进行组合的算法。     

银行客户信用评估动态分类器集成选择模型

现实的银行客户信用评估数据常包含大量的缺失值,这在很大程度上影响了信用评估模型的性能.针对已有模型的不足,提出了面向缺失数据的动态分类器集成选择模型DCESM.该模型充分利用数据集中所包含的已知信息,在训练信用评估模型之前不需要事先对缺失数据进行预处理,从而减少了对数据缺失机制假设以及数据分布模型的依赖.从UCI数据库中选择两个银行信用卡业务信用评估数据集进行实证分析,结果表明,与4种常用的基于插补法的多分类器集成模型以及1种直接面向缺失数据建模的集成模型相比,DCESM模型能够取得更好的客户信用评估性能.     

论我国金融信用缺失的原因及预防对策

随着市场经济的迅猛发展和经济全球化步伐的加快,我国市场信用制度中的缺陷也不断显现,金融信用缺失的一系列问题不断暴露,这不仅对整个金融业产生负面影响而且对我国经济发展也十分的不利。因此,本文结合我国金融的信用缺失的问题及现状,分析了金融信用缺失的原因,提出了完善我国金融信用的对策。     

缺失数据下ARMA(1, 1)模型的估计方法

近几十年以来,国际上在对"风险的处理和效益的优化"这两个现代金融学的中心议题的分析和处理过程中,金融时间序列的计量学模型及其相应的分析越来越起到非常重要的作用.对于线性时间序列模型如AR(p),MA(q),ARMA(p,q)等,已经为我们所熟知.具体到模型的参数估计在数据没有缺失时,也有很多经典的办法,如最小二乘法、极大似然法等.但是当数据在中间有缺失时,上述方法将无能为力.本文将详细讨论在数据有缺失时的ARMA(1,1)模型,即Zt=αZ_t-1+ε_t-βε_t-1的参数的估计方法.     

对市场经济中金融信用及其缺失问题的思考

源于美国次贷危机而席卷全球的金融危机,对全球金融市场和经济发展造成了极大的危害。究其原因,金融是市场经济的核心,现代经济又是信用经济,金融业给追逐利益的“经济人”可能带来丰硕的回报,也蕴含着“道德人”信用缺失的潜在危机,因此市场经济中的金融信用缺失问题具有积极深远的影响。一、对金融和信用的理解1.对金融的理解。金融简言之就是资金的融通,一般是货币流通和信用活动以及与之相联系的经济活动的总称,广义的金融泛指一切与信用货币的发行、保管、兑换、结算、融通有关的经济活动,甚至包括金银的买卖,狭义的金融专指信用货币的融通。金融的内容包含较为为广泛,包括金融关系、金融活动、金融机构、金融工具、金融市场等一     

浅析我国社会信用缺失的原因及对策

信用缺失已经成为我国经济运行中的重大问题.当前社会信用体系出现的诸多问题有其一定的复杂性,信用缺失现象比比皆是,信用缺失损失触目惊心,也严重影响了我国社会主义市场经济的健康发展.本文通过分析信用缺失的成因,进而提出相应的一些解决问题的建议.     

中小企业信用缺失的原因与对策分析

中小企业在中国经济中占有重要地位,但其企业信用状况却不容乐观,如何健全和完善中国中小企业信用体系,推进中国经济发展已成为重大而迫切的问题。本文从中小企业信用缺失原因分析,提出了内外治理方法。     

个人征信系统数据仓库与信用评估模型的构建

建立、健全个人征信体系有助于降低信贷风险、稳定金融秩序和促进经济增长。随着个人信用信息数据量的增多以及对数据分析需求的加大,构建个人信用信息数据仓库,利用多维数据分析和数据挖掘等技术,开发信用评估等增值产品将会是个人征信体系发展的必经之路。     

浅议我国中小企业信用文化缺失的成因及对策

现代市场经济是法制经济和信用经济,良好的信用是企业的宝贵财富,在推动企业的可持续发展中发挥着举足轻重的作用。但近年来我国中小企业片面追求经济效益,信用文化普遍缺失,严重影响了我国经济和社会的健康发展,因此本文对导致我国中小企业信用文化缺失的成因进行了深入分析,然后针对性提出了改进对策。     

信用评估风险的组成要素研究

随着经济全球化的脚步越来越快,对企业市场行为的信用评估显得愈加重要。本文站在信用评估中介的角度,对商业信用评估过程中的风险问题做了一定的研究,希望能树立评估人员的风险意识,进而提高信用评估结论的准确度。     

遗传算法优化神经网络及信用评价研究

研究关于公司神经网络信用评估问题的现状,提出遗传算法辅助网络训练策略(优化后的网络称为进化网络),克服传统网络建模中产生的局部极小缺陷。建立了适合于我国商业企业的信用评分指标体系;然后依据该指标体系建立了基于进化神经网络的信用评估模型;最后,利用样本公司实际指标数据对该模型的评分效果进行了比较研究。     

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。     

客户信用评估半监督协同训练模型研究

在现实的很多信用评估问题中,由于对样本进行类别标记需要花费大量的人力、财力和物力,往往只能获取少量有类别标签的样本来训练分类模型,而把数据库中大量无类别标签的客户样本舍弃。为解决这一问题,本研究引入半监督学习技术,并将其与多分类器集成技术中的随机子空间方法(Random Subspace, RSS)相结合,构建了类别不平衡环境下基于RSS的半监督协同训练模型RSSCI。该模型主要包括三个阶段:1)使用RSS方法训练得到若干基本分类器;2)从大量无类别标签数据集中选择性标记一部分最合适的样本加入到原始训练集中;3)在最终的训练集上训练分类模型,并对测试集样本进行分类。在三个客户信用评估数据集上进行实证分析,结果表明,RSSCI模型的信用评估性能不仅优于常用的监督式集成信用评估模型,也优于已有的一些半监督协同训练信用评估模型。     

基于Metacost的客户信用评估半监督异构集成模型研究

针对现实中信用评估存在的问题,本研究将元代价敏感学习、半监督学习和异构集成等技术结合,提出了基于Metacost的客户信用评估半监督异构集成模型(Metacost based semi-supervised heterogeneous ensemble model, Meta-Semi-HE)。该模型主要包括三个阶段：1)用Metacost方法修改初始有标签训练集得到Lm;2)在Lm上通过AdaBoost方法训练N个异构分类器hi(i = 1,…, N),用伴随分类器组合Hi选择性标记无标签数据集的样本,并将其添加到Lm中,用新的Lm重新训练N个异构分类器。重复这一步骤,不断提高分类器性能,直至满足终止条件;3)用最终的N个异构分类器对测试集样本分类。在6个客户信用评估数据集上进行实证分析,结果表明,与已有的3种半监督集成模型和2种监督式集成模型相比,本研究提出的模型具有更好的客户信用评估性能。     

基于Credit期权的集群式供应链采购模型及算法分析

集群式供应链是以产业集群为运作平台的供应链系统。本文先在单供应商-单采购商采购模型的基础上,建立了多供应商-多采购商的集群式供应链分散式采购模型。在模型中通过采用柔性周期和Credit期权策略,构建了适合多频次、小批量、柔性、信任等特征的集群式供应链多供应商-多采购商Credit期权联合采购模型,并设计出针对模型的Enumeration算法。最后,通过算例分析了集群供应链Credit期权联合采购模型有效性。     

基于多目标多元学习细菌觅食优化算法的混合数据聚类

针对混合属性数据聚类问题,本文提出一种基于多目标多元学习细菌觅食优化算法。首先,基于改进的细菌觅食优化算法,提出多目标优化算法框架。然后,提出多元学习策略来提高算法性能。具体地,对于细菌个体,细菌之间采用环形拓扑学习策略,每个细菌只能向其邻域最优个体学习;细菌个体还可以向外部档案非支配个体学习。通过该学习策略,不仅可以保持种群的多样性,也可以加快算法收敛速度。对于外部档案非支配个体,记录其变化趋势,当非支配个体的变化处于停滞状态时,采用精英学习策略对非支配个体进行微扰动,提高非支配解的多样性。最后,为解决混合属性数据聚类问题,设计了一种具有属性权重的混合属性转换策略。为了验证所提算法的性能,将该算法与两个多目标进化算法和三个经典聚类算法在六个标准数据集上进行对比实验。实验结果表明,所提算法在解决数值、分类和混合属性数据聚类问题上具有显著优势。同时,以金融领域信用卡申请客户数据为例,进一步证实了所提算法的可行性,也表明了所提算法在涉及混合属性数据集的医疗、管理、工程等领域有一定的应用前景。     

数据挖掘技术在CRM中的应用

客户关系管理(CRM)是数据挖掘技术的重要应用领域,也正是因为具有数据挖掘技术的支持才使CRM具有越来越广泛的市场价值和研究价值。本篇论文综述了面向CRM的数据挖掘应用的总体研究情况。包括面向CRM数据挖掘的体系结构;从客户生命周期的角度和行业应用角度分析了CRM中数据挖掘的应用状况;最后结合当前数据挖掘技术的发展指出了CRM中数据挖掘应用的进一步发展趋势以及我国在该领域的研究方向。     

信贷市场主从微分对策模型与银行间合作机制研究

本文引入微分对策博弈模型,研究银行与企业之间的信贷博弈问题,破解企业融资困境。通过建立银行和企业的各自收益目标函数,讨论了银行区域内不合作和合作状况下,银行最优的动态信贷资金供应量和利率策略,企业动态信贷资金使用策略;研究了区域内银行间的合作联盟问题,提出合作联盟的利益共享。在银行区域内不合作情况下,银行信贷资金供应量增加,信贷资金利率上升趋势得到抑制,企业违规概率增加。利率和信贷资金供应量呈负相关关系。在银行区域合作情况下,银行间合作可防止企业囤积资金和贷款用途违规概率的上升,减少违规惩罚成本,促进企业积极履约。引入利益共享机制,解决了银行合作稳定问题,明确了优势企业和劣势企业的融资策略。     

Quantal Risk Assessment Database: A Database for Exploring Patterns in Quantal Dose‐Response Data in Risk Assessment and its Application to Develop Priors for Bayesian Dose‐Response Analysis

Quantitative risk assessments for physical, chemical, biological, occupational, or environmental agents rely on scientific studies to support their conclusions. These studies often include relatively few observations, and, as a result, models used to characterize the risk may include large amounts of uncertainty. The motivation, development, and assessment of new methods for risk assessment is facilitated by the availability of a set of experimental studies that span a range of dose‐response patterns that are observed in practice. We describe construction of such a historical database focusing on quantal data in chemical risk assessment, and we employ this database to develop priors in Bayesian analyses. The database is assembled from a variety of existing toxicological data sources and contains 733 separate quantal dose‐response data sets. As an illustration of the database's use, prior distributions for individual model parameters in Bayesian dose‐response analysis are constructed. Results indicate that including prior information based on curated historical data in quantitative risk assessments may help stabilize eventual point estimates, producing dose‐response functions that are more stable and precisely estimated. These in turn produce potency estimates that share the same benefit. We are confident that quantitative risk analysts will find many other applications and issues to explore using this database.