一种融入拒绝推断的P2P网络借贷违约风险评价方法

发布时间：2021-01-04 03:42

　　传统的P2P网络借贷违约风险评价通常仅使用接受样本建模,而模型的应用对象是包括接受和拒绝的全部样本,由此带来的样本选择偏差问题会影响模型的泛化能力,需要拒绝推断校正样本选择偏差。利用半监督方法构建违约风险模型,可以将拒绝推断过程嵌入到违约风险评价过程中,在训练违约风险评价模型的同时通过对添加到建模样本中的拒绝样本进行筛选以控制噪音。本文提出基于样本和特征双重差异的协同训练模型TRICMV进行P2P网络借贷违约风险评价。该模型采用了一种基于"噪音学习理论"的自适应的模型迭代机制,可以确定融入模型的拒绝样本的最佳数量。最后,基于人人贷平台标的样本进行实证分析,结果验证了TRICMV模型优于传统的违约风险评价模型以及其它使用半监督学习进行拒绝推断的违约风险评价模型。 

【文章来源】：管理工程学报. 2020年06期 北大核心CSSCI

【文章页数】：8 页

【部分图文】：

结果一致的样本和标签加入第三个训练集的候选集中图1TRICMV建模流程图Figure1FlowdiagramofTRICMVmodelV模型的伪代码从候选集中抽取部分样本与Train合并作为更新的训练集将对u预测

【参考文献】：
期刊论文
[1]融入软信息的P2P网络借贷违约预测方法[J]. 蒋翠清,王睿雅,丁勇.  中国管理科学. 2017(11)
[2]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)
[3]基于贝叶斯界定折叠法的小企业信用评分模型研究[J]. 邓超,胡梅梅,曾文潮.  管理工程学报. 2015(04)
[4]基于组合分类的消费者信用评估[J]. 王昱.  管理工程学报. 2015(01)
[5]基于随机效应logistic模型的中小企业财务失败预警研究[J]. 梁琪,过新伟,石宁.  管理工程学报. 2014(03)



本文编号：2956081