基于随机森林的企业信用评估模型.pdfVIP

第36卷增刊 福州大学学报(自然科学版) V01．36 Supp． 塑墨生2县 』竺2型垡!生垫竺婪翌i翌堡生i塑!垒竺堂皇i!竺皇2 塞2：2塑 基于随机森林的企业信用评估模型 彭国兰1，林成德2’ (1。厦门城市职业学院工程技术学部，福建厦门361008；2．厦门大学自动化系，福建厦门361005) 摘要：引入了一种能较好容忍噪声，且稳定性较高的组合分类器算法——随机森林(RF)，建立企业信用评估 模型；着重分析了适合RF的不平衡分类问题的处理方法，并介绍了模型参数的优化．通过与神经网络和支持 向量机的对比实验，证实了该方法的有效性和优越性． 关键词：信用评估；随机森林；不平衡分类． 中图分类号：TPl8 文献标识码：A onrandom for assessment Amodelbased forests credit enterprises PENG C,uo—lanl．LINCheng—dez ofEngineeringTechnology，XiamenCity 361008，China； (1．Department University，Xiamen，Fujian of 2．DepartmentAutomation，XiamenUniversity，Xiamen，Fujian361005，china) introduceanewclassifiercombination is Abstract：We algorithm--randomforests(BY)，which ratherstableandrobustwith therealdata．anewmodelbasedonRFisbuiltand noise．Byanalyzing resultsshowthatthenew modeliseffectiveandmore than tested．Empirical proposed advantageous thoseofbotIlneuralnetworkmodelandSVMmodel． chssitication Keywords：creditassessment；randoInforests；unbalanced 企业信用评估是商业银行资产业务，特别是贷款业务经营的核心内容，主要是对贷款企业的信用风 险进行评价．从技术角度看，企业信用评估实质是一个分类问题，即根据相关评价指标将企业划分为不同 用评估领域，并取得了令人鼓舞的成果．但前人的研究着重于如何提高单分类器模型的性能，并且评估指 标的确定大多采用专家建议的财务比率指标，带有一定的主观性；另外，由于企业信用评估本身特点，其 样本数据分布复杂且噪声较多，这使得单分类模型难以达到令人满足的效果．近年来，多分类器组合算法 逐渐成为智能算法研究的一个主要分支．随机森林是一个组合分类器算法，该算法能较好地容忍噪声，且 稳定性较高．本研究综合考虑随机森林的特点，探索研究随机森林在企业信用评估领域中的应用． 为提高评估指标的客观性，确定适合智能评估模型的指标体系，我们将随机森林