基于相似样本归并的大样本混合信用评估模型

• 作者: 吴心弘 张润驰 徐源浩 杜亚斌 薛立国
• 来源期刊: 管理科学学报
• 学科: 经济
• 关键词: 信用风险 信用评估 大样本 边界向量
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 论文
• 页码范围: 77-90
• 页数: 14页
• 分类号: F83
• 字数: 11479字
• 语种: 中文

摘要

当前面向大样本设计的信用评估模型,大多没有深入探究大样本的分布特征,只是简单地将传统评估方法应用在大样本上.首先提出了用于描述大样本分布特征的相关属性集、边界向量等若干概念及定义,并证明了其主要性质.之后在两个大样本数据集的基础上,研究了样本在相似性方面的分布特征,最后设计了一种大样本混合信用评估模型——HLSCE模型.HLSCE模型认为在大样本数据集中,样本的同一属性在不同局部区域内,对分类性能的贡献是不同的.具体地,HLSCE模型根据各样本与边界向量的相似性差异,结合生物启发式算法,将样本归并划分为若干子集并分别在其上训练基分类器.实证研究表明,HLSCE模型的分类精度相比于现有的代表性信用评估模型更高,同时也具有更为优越的平衡性与稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜亚斌	南京大学商学院	34	450	10.0	21.0
2	薛立国	南京大学商学院	7	7	2.0	2.0
3	张润驰	南京大学商学院	10	19	2.0	4.0
4	徐源浩	南京大学商学院	7	6	2.0	2.0
5	吴心弘	南京大学商学院	3	2	1.0	1.0