论文范文网-权威专业免费论文范文资源下载门户!
当前位置:毕业论文格式范文>毕业论文>范文阅读
快捷分类:

关于GroupMCPLogistic论文范文 基于GroupMCPLogistic模型个人信用评价分析相关论文写作参考文献

分类:毕业论文 原创主题:GroupMCPLogistic论文 更新时间:2024-02-01

基于GroupMCPLogistic模型个人信用评价分析是关于对写作GroupMCPLogistic论文范文与课题研究的大学硕士、相关本科毕业论文logistic论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。

摘 要:在利用Logistic模型分析个人信用评价问题时,需要进行变量选择.Group MCP不仅可以将相关变量以组为单位进行变量选择,还可以对组内变量进行选择.文章根据个人信贷数据,建立了Group MCP Logistic模型,并与Group Lasso、Group Bridge所得的结果进行比较,综合考虑模型复杂度和预测正确率,发现根据Group MCP建立的模型效果是最优的.

关键词:Group MCP;Logistic模型;个人信用评价;变量选择

一、 引言

个人消费信贷在我国迅速发展,对拉动经济增长起到了一定的促进作用.但其中也隐藏着很大的潜在风险,即信贷资产不能及时有效地收回.因此,急需建立完善的个人信用评价体系,从而降低信贷风险.个人信用评价的核心是建立不同客户的信用评价模型,根据信用评价模型对信贷申请人进行评分,从而决定是否给予贷款.

个人信用评价分析中,应用最广泛的方法有统计分析和机器学习两类,前者在模型稳健性和可解释性上有很大的优势.统计分析方法中,学者最关注的是Logistic模型,其计算方法简单、预测准确率高、变量解释能力强.但当Logistic模型涉及的变量很多时,直接使用也存在多重共线性和计算复杂度等问题.因此,变量选择是个人信用评价问题的重点和难点.

传统的变量选择方法有最优子集法和逐步回归法,但这些方法计算量大,且不稳定,当数据有微小变化时,可能得到完全不同的模型,其结果往往是局部最优解,并非全局最优解,尤其当变量个数大于样本量时,方法失效.Lasso是目前应用广泛的变量选择方法,但在个人信用评价问题研究中,许多解释变量是定性变量,对其进行数量化后引入大量的虚拟变量.在利用最优子集、逐步回归或Lasso进行变量选择时,只能选择某个虚拟变量,而不是将相关的虚拟变量作为整体进行选择.Group Lasso将相关虚拟变量作为整体进行选择,使其能够整体剔除或保留在模型中,但并不能实现对群组内变量的选择.Group Bridge既可以实现选择重要的组,也可以选择这些组里面的重要变量,但其惩罚函数在某些点不可微.Group MCP(Group Minimax Concavepenalty)解决了Group Bridge不可微的问题.

本文将建立基于Group MCP的Logistic模型,对个人信用评价的影响因素进行选择和分析,并将其与基于Group Lasso、Group Bridge所得的结果进行比较.

二、 Group MCP Logistic模型

三、 实例分析

1. 数据来源.本文数据选用的是德国某银行的个人信贷数据集合.该数据集中有1 000条记录,包括21个字段,其中前20个字段为信贷申请人的个人特征描述,最后1个字段是银行对客户信用级别的定义:0为“差客户”,1为“好客户”.

本文所用数据包括21个字段,将其进行处理、编码后的结果(解释变量20组共52个,因变量1个)见表1.

原始数据中,信贷期限(x2)、贷款金额(x5)、当前居住地居住时间(x11)、年龄(x13)为连续型数据,为克服量纲的影响,将其标准化处理后再进行分析.

本文所用数据集中,包括700条信用“好客户”和300条信用“差客户”,分别从中随机抽取80%用作训练集,剩余20%用作测试集.训练集中信用“差客户”与“好客户”的数量比为3:7,数据不平衡比较明显,为了降低数据不平衡对分析结果造成的影响.采用Random Oversampling方法在信用差客户中生成120条记录参与建立模型.

2. Group MCP Logistic模型的建立.本文数据分析通过R软件的grpreg程序包完成,得到非零解释变量11组共18个,系数压缩为零的解释变量9组共34个,见表2.

由表2可以看出:现有支票账户(x1组)额度越高的客户,违约的概率越小(x1_1

3. 模型比较.本文还建立了基于Group Lasso和GroupBridge的Logistic模型,其参数估计的结果见表3.

从模型复杂度上来比较:Group Lasso保留了13组共31个变量;Group Bridge保留了7组共17个解释变量;Group MCP保留了11组共18个变量.Group MCP与Group Lasso相比,保留变量的组数差不多,但变量个数前者比后者大大减少,Group MCP在组内选择变量的优势得到体现.Group MCP与Group Bridge相比,保留的变量个数只差1个,但前者比后者保留的组数多了4个,表明Group MCP保留了更多的组信息.

总结:本文是一篇关于GroupMCPLogistic论文范文,可作为相关选题参考,和写作参考文献。

参考文献:

1、 全国纤检机构将对学生服生产企业开展质量信用评价 据悉,2017年全國纤检机构将完善学生服生产企业质量监管信息管理系统,对生产企业实行信息化管理,同时,录入日常监督检查、“双送检”等质量信息,对。

2、 小微企业质量信用评价体系设计和实证分析 根据国家工商总局《全国小型微型企业发展报告》,截至2013年底,我国小型微型企业数量已经达到1169 87万户,占企业总数的76 57%,若将个。

3、 试析电子商务环境下中小企业信用评价 摘 要:现阶段,我国社会经济不断发展,呈现出一派繁荣的景象,并且随着科学技术的不断创新,电子商务理论在实践中被广泛应用,我国也逐渐由市场经济向信。

4、 厦门2018年度纳税信用评价户数大幅增至30万 本报讯(记者 唐碧)近日,福建省厦门市税务部门完成了对全市29 3万户纳税人2017年度纳税信用级别评价。排除扩围因素,与去年同口径相比,今年A。

5、 电商小额贷款信用评价风险控制 摘要:电商涉足小额贷款领域,对中小企业和电商来说是双赢的。电商依靠大数据优势,克服了传统银行存在的不足。本文主要以自营式电商小额贷款公司为例,选。