基于非对称损失函数的不均衡学习在信用风险中的应用

发布时间：2023-04-27 21:01

　　信用风险预测是金融机构在借贷等业务中一个重要而又具有挑战性的问题。有效的风险预测模型能揭示可能存在的信用风险,为金融机构决策提供建议和支持。决策者通过调整经营策略和采取对应措施便能有效降低甚至化解风险、减少经济损失,宏观上更有利于维系市场经济稳定健康可持续地发展。在进行信用风险预测时,通常会面临如下两个关键问题:(1)信用风险数据中的违约用户与正常履约用户的样本数目极不平衡。(2)大数据征信能够采集到来源更加广泛且种类更加丰富的数据,这些数据是典型的多源异构数据。如何充分有效地利用多源异构征信大数据来提升信用风险预测效果是另外一个关键问题。基于此,本文围绕信用风险预测开展模型与算法的研究,主要包括:(1)基于非对称Blinex损失函数的代价敏感不均衡学习模型(Cost-Sensitive Kernel method with Blinex loss,CSKB),该模型首次将非对称且有界的Blinex函数应用于代价敏感支持向量机模型的构建,且Blinex函数良好的性质有助于CSKB模型实现更为准确的信用风险预测。一方面,Blinex函数的非对称性使得CSKB模型能够为多数类和少数类样本建...

【文章页数】：95 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 信用风险预测
        1.2.2 不均衡学习
        1.2.3 多视角集成学习
    1.3 研究内容
    1.4 研究方法与技术路线图
        1.4.1 研究方法
        1.4.2 技术路线图
    1.5 本文组织结构
第二章 相关理论
    2.1 非对称损失函数
        2.1.1 Linex损失函数
        2.1.2 Blinex损失函数
    2.2 代价敏感支持向量机
    2.3 XGBoost算法
        2.3.1 泰勒公式展开
        2.3.2 XGBoost目标函数
    2.4 多视角集成学习算法
    2.5 本章小结
第三章 基于非对称损失的代价敏感支持向量机
    3.1 模型构建
        3.1.1 线性模型
        3.1.2 非线性模型
    3.2 线性模型求解算法
    3.3 非线性模型求解算法
    3.4 理论分析
    3.5 数值实验
        3.5.1 数据集描述
        3.5.2 对比方法
        3.5.3 实验设计
        3.5.4 人工数据集实验结果与分析
        3.5.5 实验结果与分析
    3.6 应用:信用风险预测
    3.7 本章小结
第四章 基于非对称损失函数的多视角不均衡集成学习
    4.1 模型构建
        4.1.1 代价敏感基分类器优化目标推导
        4.1.2 基于非对称损失函数的代价敏感基分类器构造
        4.1.3 视角集成
        4.1.4 多视角不均衡集成学习框架
    4.2 数值实验
        4.2.1 数据集描述
        4.2.2 实验设计
        4.2.3 评价指标
        4.2.4 实验结果与分析
        4.2.5 消融实验
    4.3 应用:多视角信用风险预测
    4.4 本章小结
第五章 总结与展望
    5.1 研究总结与贡献
    5.2 研究局限与展望
参考文献
致谢
在读期间科研成果目录



本文编号：3803055