基于堆栈降噪自编码网络的个人信用风险评估方法

• 作者: 杨德杰 白璐 章宁 袁戟
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 信用风险评估 大数据 维度灾难 特征选择 堆栈降噪 深度学习
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 大数据与数据科学
• 页码范围: 7-13
• 页数: 7页
• 分类号: TP181
• 字数: 7634字
• 语种: 中文
• DOI: 10.11896/jsjkx.181102216

摘要

个人信用历来是银行衡量个人履约风险最重要的因素.近年来,随着我国借贷需求与日俱增,仅依据信用卡信息的传统个人信用评估方式,已不能完全满足银行业的发展需求.因此,为了构建更加丰富的用户信用画像,文中基于银行大数据提取信用风险评估特征.为了解决金融大数据带来的维度灾难和噪声问题,充分考虑了数据特征之间的相关性,对堆栈降噪自编码神经网络模型进行了改进,引入了截断的Karhunen-Loève展开作为噪声传入项,并在某商业银行的大数据平台上进行了一系列数据实验.实验结果显示:相比仅使用信用卡信息,利用银行大数据能使衡量正负样本分离度的指标——K-S值提升约11％;改进的堆栈降噪自编码神经网络方法具有更好的风险评估效果,准确率相比原模型提高了3％ 左右,验证了在银行大数据环境下进行信用风险评估的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章宁	中央财经大学信息学院	32	418	10.0	20.0
2	白璐	中央财经大学信息学院	8	13	2.0	3.0
3	杨德杰	中央财经大学信息学院	1	0	0.0	0.0