基于随机森林的涉农进出口企业信用风险评估

随着逆全球化加剧,企业的进出口业务频频受到影响,致使企业信用风险增加。要想降低企业的信用风险,加强风险评估和预测至关重要。文章在现有研究的基础上,通过不同模型性能对比后,选取随机森林构建企业信用风险模型对企业信用风险进行评估研究,通过指标相关性和重要性的分析得出结论：在经过降维处理后的财务指标中,盈利能力、偿债能力和成长能力是最重要的;在非财务指标中,管理层激励最为重要。银行在评估和预测企业信用风险时需重点关注上述指标。     

基于随机森林算法的绿色信贷信用风险评估研究

绿色信贷信用风险评估过程面临复杂性、非线性以及不确定性等问题,现阶段商业银行采用的传统评估方法较难适用。为此,将组合分类前沿研究领域的随机森林算法应用到该评估过程中,在建立较为全面、综合的评估指标体系的基础上,构建了基于随机森林算法的绿色信贷信用风险评估模型,并以重污染行业上市公司为对象进行了实例分析。与传统模型评估结果的对比表明,该评估模型实现速度更快,评估准确率更高,较为有效地提升了评估效率。     

基于随机森林的基金评级模型选择

首先汇集基金常用评价指标,建立一个统一的基金评级指标体系;其次利用随机森林建立基金评级模型;最后通过实验验证了该方法的有效性和优越性．本研究将为投资者提供一个投资决策的优良工具．     

基于特征衍生的个人信用风险评估组合模型研究

在特征选择和特征衍生的基础上,分别基于特征扰动和XGBoost与Lightgbm的算法差异建立了四个单一模型;利用单一模型性能确定权重,构建了个人信用风险评估的线性组合模型.实证分析发现,有衍生特征的四个单一模型的AUC和KS均优于无衍生特征的四个单一模型,有衍生特征组合模型的AUC和KS均优于无衍生特征组合模型.实证...     

基于集成模型的个人信用风险评估研究

随着金融科技的快速发展,机器学习在大数据风控领域的应用也越来越成熟,尤其在在线信贷中被广泛应用。本文从消费金融行业的实际业务出发,提出了一套基于多源数据的子模型框架系统,该系统可以根据不同的数据维度独立建立,再将模型进行自由组合。研究表明,基于多源数据的子模型系统的评分有效性比单个机器学习评分模型更好。     

个人信用评分模型比较数据挖掘分析

为了有效控制和防范信贷风险,商业银行必须对借款人做出准确的信用评估。本文通过利用传统的Logistic回归与随机森林模型,分别建立信用评分模型,并比较两个模型的优缺点以达到最佳的预测效果,从而有效的降低商业银行的个人信用评估风险,更好地实现银行利润最大化。     

谈个人信用的风险评估

一、风险及其管理风险是资产未能得到预期回报或发生损失的一种不确定性。银行面临的风险可以分为:经营风险、市场风险、流动性风险、操作风险、法律风险、政策风险和结算风险。其中的信用风险是金融市场上最古老的一类风险。如果信用可以定义为"在某一段限定时间内可获得一笔钱的预期",那么信     

基于BP神经网络的P2P网贷个人信用风险评估

针对我国日益凸显的P2P网络借贷业务的信用风险控制问题,构建一个有效的P2P网贷借款人的信用风险评估模型,以促进我国P2P网贷行业的可持续发展。通过文献资料收集及分析,选取对借款人信用具有影响的指标并量化,建立P2P网贷借款人的信用评估指标体系,构建基于BP神经网络的信用风险评估模型,通过人人贷平台的相关数据进行仿真,验证模型的有效性。仿真结果表明,该模型适用于P2P网贷借款人信用风险评估。     

基于随机森林模型的股票多因子投资研究

机器学习模型由于其对变量间共线性及非线性关系的处理能力,在金融投资领域得到了越来越广泛的应用.利用23个常见因子建立随机森林模型,对中证500指数成分股收益率进行预测并构造投资组合,发现随机森林模型能够对个股的相对收益率进行较好的拟合和预测,多空投资组合的年化收益率和夏普比率分别高达27.31％和1.59;通过因子重要性分析发现,动量因子在随机森林模型中的作用最强,而长期的流动性水平显得最不重要;随机森林模型所代表的非线性因子在估值因子、规模因子和盈利因子上有一定暴露,超额收益极其明显.研究结论有助于促进人工智能和金融学的交叉融合研究,同时也为多因子投资提供了理论和现实参考.     

基于Logistic模型的商业银行个人消费信贷风险评估研究

在消费者“贷款消费”意识不断增强的今天,伴随而来的风险问题也不断显现出来,特别是个人信用风险首当其冲。基于商业银行个人消费信贷的实际操作数据和Logistic回归模型,利用SPSS17.0统计软件构建个人信用评分模型。通过实证,测得借款人的年龄、婚姻状况、受教育程度等六项指标是影响个人信用风险的关键因素。最后,提出了防范个人消费贷款风险的相关建议。     

基于优化ACGAN GBDT的个人信用风险评估模型研究

针对个人信用数据不平衡、类间重叠、类型多样性等特点,运用优化的辅助分类器生成对抗网络（ACGAN）、梯度提升决策树（GBDT）分别进行数据过采样、学习与分类,在此基础上构建个人信用风险评估模型。依据金融及大数据相关竞赛平台提供的两个信贷数据集进行实证,从AUC、G mean、Recall等指标出发考量模型的性能。结果显示,模型使用新的过采样技术生成的样本与原始样本非常接近,对违约样本及总样本的识别性能均优于对照模型。     

基于多级模糊综合评判法的个人信用评分模型研究

为加强对个人信用风险的防范、提高信贷审批质量而提出多级模糊综合评判方法,并设计相应的个人信用评分系统模块和信用评分的交互界面应于个人房贷的审批.通过实例演示发现.该方法克服了以往模型中假设条件的限制,在我国目前信用信息数据收集不完整、信息数据质量不高的情况下有着独到的优势.     

基于客户分类选择条件下的个人信用报告信用评价指标研析

个人信贷交易行为中存在着严重的信息不对称现象,这给处于信息劣势方的商业银行带来极大的信用风险,而个人信用评价体系可以有效预防此类风险.以客户分类选择为条件,对中国人民银行征信中心个人信用报告信用评价指标体系中各信用指标对客户选择的影响进行研析,并采用数据挖掘的方法对其进行优化,将18个评价指标减少到8个.使用决策树对优化后的指标体系有效性进行了验证,结果表明,优化后的8个指标体系能很好地对客户对象进行预测分类,同时大大降低了分类成本,操作简便.     

基于信用消费行为的商业银行零售业务信用风险再评估

商业银行零售业务信用风险评估问题具有维度高、数据更新快等明显特征,在此条件下,利用统计分析、数据挖掘技术建立可靠的动态预警模型具有十分重要的意义。基于数据挖掘的思想,充分利用客户信用消费行为数据,以及粗糙集理论对决策表中条件属性进行约简,并构建基于变精度加权平均粗糙度和基尼指数的决策树算法,依照决策属性值进行客户违约还款预测。实验结果表明,改进后的基于粗糙集与决策树算法的信用卡消费信用风险动态预警模型在准确率、稳定性等方面往往优于基本统计模型及机器学习算法。     

基于Probit模型的个人信用风险实证研究

本文以在浙江省随机抽样的506个自然人样本为研究对象,运用传统的非线性统计模型--Probit模型对个人信用风险进行实证研究,并采用分类预测正确性检验对模型的效力进行比较分析,从中得出实证研究结论和建议,以期为我国个人信用评估方法和体系的完善提供一定的理论参考和实践借鉴.     

商业银行个人信用风险评价模型研究

本文通过蒙特卡洛模拟和层次分析法构建符合我国商业银行的个人信贷信用风险模型.通过蒙特卡洛模拟技术对准则层下的变量区间划分和赋值进行调试,保证其取值的合理性;通过层次分析法对目标层下的各个准则层以及准则层下的样本指标变量权重进行确定.最后对模型的模拟数值进行检验.     

信用平稳下商业银行信用风险测度模型及应用——基于模糊综合评判法

科学高效的商业银行信用风险测度模型,是实现商业银行信用风险监测目标的重要保障。商业银行信用风险主要来源于贷款企业层面,贷款企业信用质量状况将对应着商业银行信用风险水平。对此,从贷款企业的财务与非财务两个层面设计信用风险的测度指标体系,运用模糊综合评判法构建信用平稳下商业银行信用风险测度模型,并给出信用风险测度模型的应用实例。研究发现,在信用平稳下,依赖于专家评判及打分方式,使得模糊综合评判法对于解决商业银行信用风险测度问题具有很好的操作便利性;也可为我国商业银行体系构建科学高效的信用风险监测机制提供重要的理论指导与决策参考。     

基于Logistic回归模型的个人小额贷款信用风险评估及应用

构建二分类 Logistic信用风险评估模型,运用光大银行某分行样本数据,评估商业银行互联网金融个人小额贷款信用风险。结果显示：客户性别、学历、年龄、收入、职业、属地等因素对个人小额贷款信用风险影响显著。其中,年龄、收入、学历等与客户信用等级呈正向关系,女性信用风险显著低于男性,持有信用卡、存贷比越低的客户其信用等级越高;一、二线城市客户的履约率普遍高于县地级市客户的履约率。鉴此,商业银行应对互联网金融个人小额贷款信用风险进行有效规避和分散。     

农户信用评价模型构建研究--以某市为例

对农户信用评价进行综合分析与研究,构建了由农户基本状况、偿债能力、信誉品德、与本行关系四个方面12项指标的信用评价指标体系;采用层次分析法(AHP)确定了各指标的权重;运用改进后的模糊综合评价法评价农户的信用价值,构建了农户信用评价模型,用样本数据进行模型的实证检验,从而建立了可操作的农户信用风险预警机制。