基于RS-SVR的企业信用评分模型-计算机应用研究.PDF

第３３卷第１１期 计 算 机 应 用 研 究 Ｖｏｌ３３Ｎｏ１１ ２０１６年１１月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｎｏｖ．２０１６ 基于 ＲＳＳＶＲ的企业信用评分模型 １，２ １，２ １，２ 陈　云 ，杨晓雪 ，石　松 （１．上海财经大学公共经济与管理学院，上海２００４３３；２．上海市金融信息技术研究重点实验室，上海２００４３３） 摘　要：针对运用信用评分模型提升银行决策能力进行了研究。将支持向量回归模型应用于企业信用评分问 题，并提出基于随机子集的支持向量回归集成模型。首先使用随机子集抽样模型获得大量训练数据集，然后使 用不同的训练集子集获得差异化支持向量回归模型，最后使用简单平均方法整合不同模型的预测结果。基于企 业信用评分数据的实验结果证明了支持向量回归模型的有效性。 关键词：信用评分；随机子集；支持向量回归 中图分类号：ＴＰ１８３　　 文献标志码：Ａ　　 文章编号：１００１３６９５（２０１６）１１３３７８０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．１１．０３９ ＥｎｔｅｒｐｒｉｓｅｃｒｅｄｉｔｓｃｏｒｉｎｇｍｏｄｅｌｂａｓｅｄｏｎＲＳＳＶＲ １，２ １，２ １，２ ＣｈｅｎＹｕｎ ，ＹａｎｇＸｉａｏｘｕｅ ，ＳｈｉＳｏｎｇ （１．ＳｃｈｏｏｌｏｆＰｕｂｌｉｃＥｃｏｎｏｍｉｃｓ＆Ｍａｎａｇｅｍｅｎｔ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃｓ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ；２．ＳｈａｎｇｈａｉＫｅｙＬａ ｂｏｒａｔｏｒｙｏｆＦｉｎａｎｃｉａｌＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｒｅｓｅａｒｃｈｅｄｏｎｕｓｉｎｇｃｒｅｄｉｔｓｃｏｒｉｎｇｍｏｄｅｌｓｔｏｉｍｐｒｏｖｅｂａｎｋｓ’ｄｅｃｉｓｉｏｎｍａｋｉｎｇｃａｐａｃｉｔｙ．Ｉｔａｐｐｌｉｅｄｓｕｐ ｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｔｏｔｈｅｅｎｔｅｒｐｒｉｓｅｃｒｅｄｉｔｓｃｏｒｉｎｇ，ａｎｄｔｈｅｎ，ｉｔｐｕｔｆｏｒｗａｒｄａｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎｉｎｔｅｇｒａｔｉｏｎ ｍｏｄｅｌｗｈｉｃｈｂａｓｅｄｏｎｒａｎｄｏｍｓｕｂｓｅｔ．Ｆｉｒｓｔｌｙ，ｉｔｕｓｅｄｒａｎｄｏｍｓｕｂｓｅｔｓａｍｐｌｉｎｇｍｏｄｅｌｔｏｇｅｔｅｎｏｕｇｈｄｉｆｆｅｒｅｎｔｔｒａｉｎｉｎｇｄａｔａ． Ｓｅｃｏｎｄｌｙ，ｉｔｅｍｐｌｏｙｅｄｄｉｆｆｅｒｅｎｔｔｒａｉｎｉｎｇｓｕｂｓｅｔｓｔｏｇｅｔｖａｒｉｏｕｓｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｓ．Ｆｉｎａｌｌｙ，ｉｔｉｎｔｅｇｒａｔｅｄｔｈｅｐｒｅ ｄｉｃｔｅｄｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓｂｙｕｓｉｎｇｔｈｅｓｉｍｐｌｅａｖｅｒａｇｅｍｅｔｈｏｄ．Ｉｎｃｏｎｃｌｕｓｉｏｎ，ｔｈｅｒｅｓｕｌｔｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔｂａｓｅｄｏｎｅｎ ｔｅｒｐｒｉｓｅｃｒｅｄｉｔｓｃｏｒｉｎｇｄａｔａｐｒｏｖｅｓｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｍｏｄｅｌ． Ｋｅｙｗｏｒｄｓ：ｃｒｅｄｉｔｓｃｏｒｉｎｇ；ｒａｎｄｏｍｓｕｂｓｅｔ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎ（ＳＶＲ） 型的性能往往比统计模型更优［１１］。作为最常见的人工智能模 ０　引言 型之一，ＳＶＭ在信用风险评估问题中得到了广泛应用。