基于卷积神经网络的互联网金融信用风险预测研究

• 作者: 王重仁 韩冬梅
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 信用风险评估 卷积神经网络 机器学习 深度学习
• 年，卷（期）: 2017,（24）
• 所属期刊栏目: 人工智能
• 页码范围: 44-46,50
• 页数: 4页
• 分类号: TP391
• 字数: 2873字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.24.013

摘要

针对互联网金融行业的信用风险评估问题,提出了一种基于卷积神经网络的客户违约风险预测方法.首先将输入数据分为动态数据和静态数据,将动态数据和静态数据分别转换为矩阵和向量,然后利用改进的卷积神经网络来自动提取特征并进行分类,最后使用ROC曲线、AUC值和KS值作为评价指标,将该方法与其他机器学习算法(Logistic回归、随机森林)进行比较.实验结果表明,卷积神经网络模型对于信用风险的预测效果要优于对比模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩冬梅	上海财经大学信息管理与工程学院	34	529	12.0	22.0
2	王重仁	上海财经大学信息管理与工程学院	3	40	3.0	3.0