基于时间序列支持向量机的信用额度预测

发布时间：2021-11-09 14:27

　　汽车整车厂商通过经销商渠道销售整车时,会根据经销商自身的信用状况来决定信用额度,在该额度范围内,经销商可以先收车再按照规定的时间回款。以往的相关研究中,整车厂商常根据经销商某一时刻的信用状况评价其所属的信用等级,从而决定经销商的信用额度,但忽视了信用数据可能会产生"突变",导致评价结果失真,产生信用风险。文章从受评经销商的历史业务数据出发,使用多维时间序列数据进行相空间重构,将得到的相点数据用于训练支持向量回归（support vector regression,SVR）模型,然后使用该模型给定经销商的信用额度。运用经销商信用数据的验证结果表明,该方法具有较好的预测效果。 

【文章来源】：合肥工业大学学报(自然科学版). 2020,43(10)北大核心

【文章页数】：5 页

【部分图文】：

信用额度预测流程

根据1.1节介绍的饱和关联维数G-P法,依据经销商的回款数据计算出在不同维数下ln r、ln C(r)的值,绘制嵌入维数d为2～12情况下的曲线,如图2所示。图2中曲线从左至右对应的维数为2～12。求取每条曲线所包含的直线区域斜率,作为各嵌入维数对应的关联维数,结果见表2所列。

使用预测数据集对模型进行效果分析,并采用Matlab进行算法仿真,计算的归一化后均方根误差ERMSE=0.91%,预测曲线如图3所示。为了验证构建的时间序列信用数据在经销商信用额度预测中的有效性,使用该经销商在孤立时间点上的信用数据进行SVR预测信用额度,经过同样的归一化预处理和SVR预测后,计算得到均方根误差ERMSE=4.98%。通过对比均方根误差ERMSE可知,使用多维时间序列数据进行的预测效果较好。

【参考文献】：
期刊论文
[1]正交支持向量机及其在信用评分中的应用[J]. 韩璐,韩立岩.  管理工程学报. 2017(02)
[2]基于分层逻辑回归的小企业信用评价模型[J]. 李战江.  统计与决策. 2016(07)
[3]基于多维时间序列的灰色模糊信用评价研究[J]. 张洪祥,毛志忠.  管理科学学报. 2011(01)
[4]基于时间序列的模糊聚类与规则提取信用评价模型[J]. 张洪祥,毛志忠.  东北大学学报(自然科学版). 2010(04)
[5]基于GP+BP的信用评估模型研究[J]. 徐娟,胡学钢.  合肥工业大学学报(自然科学版). 2010(04)
[6]基于BP神经网络组和DS证据理论的信用风险评估算法[J]. 郭英见,吴冲,于天军.  合肥工业大学学报(社会科学版). 2009(05)

硕士论文
[1]汽车经销商集团授信风险评价模型研究[D]. 程英.湖南工业大学 2016



本文编号：3485532