- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于GCV的LS_SVM模型选择在个人信用评估中的应用
基于 GCV 的 L S2SV M 模型选择在个人信用评估中的应用
李 娴1 ,2
(1 . 河南大学 数学与信息科学学院 ,开封 475001 ; 2 . 上海财经大学 统计与管理学院 ,上海 200433)
摘 要 : 针对个人信用评估中数据海量性以及与影响因素之间的非线性问题 , 利用最小二乘支持向量机 ( L S2
SV M) 中基于 GCV 准则和 Newto n2Rap h so n 算法的正则化参数快速选择方法建立新的个人信用风险预测模型. 并 把该模型与 Fi sher 线性判别分析 、Lo gi stic 回归以及半参数广义可加模型的判别效果进行了实证比较分析. 结果表 明该方法不仅具有快速高效的模型选择能力 ,并且具有较优的判别预测能力.
关键词 : L S2SV M ; GCV ; Newto n2Rap hso n 迭代 ;模型选择 ;个人信用评估
中图分类号 : T P391 文献标志码 : A 文章编号 : 1003 - 4978 (2011) 03 - 0240 - 06
Research and Appl ication of LS2SVM Model Selection Ba sed on
GCV in Individual Credit Appra isal
L I Xia n1 ,2
(1 . S c hool o f M at hem at ics a n d I n f orm at i on S cience , H e n an U ni ve rs i t y , Kai f e n g 475001 , Chi na ;
2 . S c hool o f S t at is t ics a n d M an a ge me nt , S h a n g h ai U ni ve rs i t y o f Fi n ance an d Econom ics , S ha n g h ai 200433 , Chi na)
Abstract : In view of ma ssive individual credit data a s well a s no n2linear relatio n bet ween credit and it s inf l uencing f acto r s , a new individual credit ri sk fo reca st mo del i s esta bli shed using L S2SV M , in which regula rizatio n p a rameter i s selected ba sed o n t he GCV criterio n a nd t he Newto n2Rap h so n algo rit hm. Di stinctio n eff ect s are co mpa red a mo ng t he new mo del , Fi sher li nea r di scrimi na nt analysi s , Lo gi stic regre ssio n a s well a s generalized additive mo del . The re sult s sho w t hat t he p ropo sed met ho d no t o nly ha s t he eff ective mo del selectio n abilit y , but al so ha s t he superio r di stinctio n p redictive abilit y.
Key words : L S2SV M ; GCV ; Newto n2Rap h so n it eratio n ; mo del selectio n ; individual credit eval uatio n
0 引言
近年来 ,随着消费信贷业务规模的不断扩大 ,如何在商业银行内部开发一种合理有效的个人信用评估模 型、准确客观地评估客户的信用风险状况、合理有效地控制信贷风险已经成为信贷行业发展的一个关键而迫 切的问题. 这类问题在统计学理论中有两类在起源上略有不同的分析工具 :一种是以广义线性模型为代表的 经典统计回归分析工具 ;另一种是以神经网络为代表的人工智能分析工具. 人工神经网络 ( A N N ) 模型可以 大大降低模型设定偏差 ,提高信用风险的度量精度 ,但也存在过度拟合、计算强度很大
文档评论(0)