基于最佳平衡样本比率与最优指标组合的违约判别模型

发布时间：2020-06-11 14:48

【摘要】：进行违约判别研究时,指标体系的构建十分重要,因为用一个对客户没有违约鉴别能力的指标体系进行违约判别,无论采用什么样的方法构建判别方程其判别结果的准确率都不会高。而在违约判别指标体系构建的过程中,由于指标间共线性等因素的影响,单个指标的违约鉴别能力强,多个违约鉴别能力强的指标组成的指标体系的整体违约鉴别能力不一定强。银行在选择贷款客户、投资者在购买公司债的时候是有选择性的,不违约的“好公司”的公司债更容易获得贷款、其公司债也更容易被购买。因此,在实际的贷款或公司债券购买样本中,发生违约的“差客户”就非常少,非违约的“好客户”很多,这就是众所周知的“非平衡样本”问题。非平衡样本处理不好,所建立的模型的预测精度就不会高。非平衡样本的典型处理方法是通过“过采样”来拟合少数样本或“欠采样”抽取部分多数样本构造一个好客户与差客户比例相对平衡的样本集。这就存在一个问题,两类样本个数的最佳比例是多少,才能使模型的判别精度最高?本文建立了基于最佳平衡样本比率和最优指标组合的神经网络预测模型。本文的创新与特色一是在m个指标组成的2~m个组合中,用神经网络测算每一个指标组合的鉴别精度,并选取鉴别精度最高的那一个组合作为建立模型的最优指标组合,以确保模型的判别精度最高。二是通过构造多个好客户数量与全部差客户数量的配比β;通过诸如β=1,2,…,5中的每一个配比比率,都对应θ个配对样本;通过对θ个配对样本中的每一个配对样本的多个不同指标组合的神经网络模型的判别精度最高的那一个模型,都可以反推这一个配对样本的最优指标组合,由此θ个配对样本就可以得到θ个指标组合及其对应的神经网络模型,通过这θ个神经网络模型对训练样本和测试样本进行预测,就可以得到这一个配比比率的判别精度。通过对多个配比比率精度的对比,就可以得到判别精度最高的最佳配比比率β*。三是中国某商业银行全国1 231个非工业的小企业样本的实证研究表明:在进行非平衡样本的处理时,好客户与全部差客户数量配比的最佳配比比率β*=2:1。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F275;F832

【参考文献】

相关期刊论文 前5条

1 肖锋;陈晓锋;;IIHS小偏置碰撞位移导向策略与结构评估方法[J];汽车安全与节能学报;2013年04期

2 孔令铮;;交通事故致因中的人为因素分析[J];中国安全科学学报;2013年01期

3 陈祥;刘辛军;;基于RAMP插值模型结合导重法求解拓扑优化问题[J];机械工程学报;2012年01期

4 赵福全;吴成明;潘之杰;刘卫国;刘巍;;中国汽车安全技术的现状与展望[J];汽车安全与节能学报;2011年02期

5 敖谷昌;杨利;;机动车驾驶员人为因素与交通事故危害性关联分析[J];重庆交通大学学报(自然科学版);2010年01期

相关博士学位论文 前1条

1 杨姝;复杂机械结构拓扑优化若干问题研究[D];大连理工大学;2007年

相关硕士学位论文 前8条

1 易超;小重叠偏置碰撞安全研究[D];湖南大学;2016年

2 谭纯;某电动汽车车身耐撞框架结构拓扑优化设计研究[D];湖南大学;2015年

3 刘学莉;某SUV小偏置正面碰撞安全性能研究[D];燕山大学;2015年

4 姚浩泽;面向精度的火炮架体及减振器优化设计[D];大连理工大学;2014年

5 孙京帅;蜂窝材料面内冲击吸能性能优化及在电动汽车耐撞性设计中的应用[D];大连理工大学;2013年

6 满宏亮;工程结构拓扑优化的理论研究及应用[D];吉林大学;2007年

7 李凌飞;基于变密度法的结构拓扑优化研究[D];吉林大学;2007年

8 范体强;基于虚拟试验技术的汽车侧面碰撞安全性研究[D];湖南大学;2007年

，

本文编号：2708061