大数据背景下融资企业信用特征分析

发布时间：2021-03-06 21:09

　　国网大数据中心泛在电力物联网建设对电网金融数据分析的范围、模式和方法提出了更高要求。面向大数据样本研究,如何将大样本相比于小样本的独有特征体现在分类模型中值得深入探索。以供应链的金融数据的分布特征为出发点,研究了影响信用风险分类模型的主要因素,进而概括出信用数据的分布特征,并探讨了进一步的解决策略。通过电网供应链金融大数据分布特征的分析,旨在研究出电网全业务数据后隐含的信息,以此来为信用风险模型的构建提供了前提条件。 

【文章来源】：经济研究导刊. 2019,(35)

【文章页数】：2 页

【文章目录】：
引言
一、国家电网供应链金融大数据分析的现状
二、融资企业信用数据的分布特征
    （一）信用数据的非对称性与不平衡性
    （二）信用数据噪声和离群点问题
        3.3信用数据的非线性多维特征
三、解决信用数据分布特征的相关策略
    （一）非均衡样本的解决策略
        1. 基于数据分布的调整
        2. 基于监督模型的策略
        3. 基于半监督模型的策略
        4. 基于集成处理的策略
    （二）噪声离群点的解决策略
        1.基于统计学的探测方法
        2.基于聚类的探测方法
        3.基于距离的探测方法
        4.基于密度的探测方法
结语


【参考文献】：
期刊论文
[1]客户信用评估半监督协同训练模型研究[J]. 肖进,薛书田,黄静,谢玲,顾新.  中国管理科学. 2016(06)
[2]BOD:一种高效的分布式离群点检测算法[J]. 王习特,申德荣,白梅,聂铁铮,寇月,于戈.  计算机学报. 2016(01)
[3]基于鲁棒M估计的间歇过程离群点检测[J]. 贾润达,刘俊豪,毛志忠,王福利.  仪器仪表学报. 2013(08)



本文编号：3067818