基于集成学习融合模型的信用评分模型改进与应用

论文摘要

信用评分问题是信贷领域的核心问题之一。近年来随着信贷业务的蓬勃发展,信贷客户数量高速增长,客户组成也日趋复杂,这给金融部门的风险控制能力提出了更高的要求,也促进了信用评分领域的进一步研究。本文基于机器学习方法,针对信用评分问题提出了改进的GBDT-LR融合模型。改进的GBDT-LR融合模型利用改进的梯度提升树模型进行特征变换,并使用改进了逻辑回归模型处理变换后的特征,最终输出客户的信用评分。对于梯度提升树的改进,本文提出了一种新的自适应缩减因子,能够有效保证梯度提升树模型中基模型的稳定性;同时,不同于常见的直接使用梯度提升树模型的输出值,本文保留了梯度提升树模型中基模型的结构,将每个基模型的输出进行编码,最终达到特征变换的效果。对于改进的逻辑回归模型,本文引入自适应Lasso方法对逻辑回归模型的参数空间进行约束,可以采根据具体样本集自适应地调整Lasso方法的参数,进而达到减少过拟合,降低维度和提高模型稳定性的作用。本文使用随机生成数据集和真实信贷数据集对改进的GBDT-LR融合模型进行了验证,并与传统的逻辑回归模型、未经改进的GBDT-LR模型、人工神经网络模型进行对比。随机生成数据集上的结果表明,改进的GBDT-LR融合模型在线性可分数据集的效果略优于其它模型,在非线性可分模型上的表现明显优于其它模型。真实信贷数据集上改进的GBDT-LR融合模型的AUC值为0.7501,KS值为0.3768,同样优于其它模型。这说明改进的GBDT-LR融合模型在信用评分问题中有着更好的效果。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
•   1.1 信用评分问题背景
•   1.2 信用评分模型综述
•   1.3 本文主要工作以及结构安排
• 第二章 信用评分模型中的机器学习方法
•   2.1 相关机器学习方法
•   2.2 模型的评估
• 第三章 改进的GBDT-LR融合模型
•   3.1 梯度提升树的改进
•   3.2 逻辑回归的改进
•   3.3 模型融合
• 第四章 信用评分模型的应用
•   4.1 随机生成数据集上的检验
•   4.2 信贷数据集上的应用
• 第五章 总结与展望
•   5.1 总结
•   5.2 展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 徐昊

导师: 谭忠

关键词: 信用评分,机器学习,融合模型

来源: 厦门大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融

单位: 厦门大学

分类号: F832.4;F224

总页数: 63

文件大小: 2663K

下载量: 25