组合分类器在个人信用评估中的应用.pdfVIP

组合分类器在个人信用评估中的应用 摘要 信用评分是商业银行进行个人信用风险管理的重要手段，随着我国消费信贷 的兴起，信用评分也越来越重要。目前的信用评分基本上局限于单个的评分模型 （分类器）的研究与应用，而以 Boosting 为代表的组合算法已经形成了比较成 熟的理论，这些算法能够有效提高分类精度，有着很好的应用前景。在这一背景 下，本文从理论分析与实证研究相结合的角度，详细探讨了组合分类器在信用评 分中的应用。本文主要内容如下： 1. 从信息不对称的角度简要分析了信用风险的产生，介绍了四种常见的信用评 分模型：分类树、最近邻法、神经网络以及支持向量机。 2. 详细阐述了组合分类器的一般概念，并介绍了 Stacking 和 Boosting 两种组 合算法；在信用评分的情形下，本文推广了AdaBoost算法，以期降低第一类 错误。 3. 以国内某商业银行信用数据为研究对象，一是比较了单个分类器与Stacking 组合，并对结果进行分析，提出了一个用于选择 Stacking 的 0-层分类器的 指标；二是通过实证展示了本文提出的 AdaBoost 算法降低第一类错误的效 果，分析说明了降低第一类错误的意义，即以损失为评价标准时，推广的 AdaBoost优于分类树。 关键词：组合分类器、信用评分、Stacking、Boosting 组合分类器在个人信用评估中的应用 ABSTRACT Credit scoring is an important method that commercial banks used to manage personal credit risk, with the development of our countries’ consuming credit; credit scoring is paid to more and more attention. At present, credit scoring is basically confined to use only one classifier; however, combining algorithms with Boosting as their representative have formed mature theory, under such a background, this article use the method of theoretic analysis and empirical analysis together, detailedly research the application of combining classifiers in credit scoring. The main content of this article is as bellows: 1. The article analyzes the emergence of credit risk from the view of asymmetry of information, and then introduces four familiar credit scoring models briefly, they are classification tree, nearest neighbor method, neural network and support vector machine. 2. The article detailedly explains the generalized notion of combining classifiers, and introdu