典型文献
非均衡数据下基于BPNN-LDAMCE的信用评级模型设计及应用
文献摘要：
研究目标:非均衡样本信用风险的有效预测.研究方法:针对反向传播神经网络BPNN交叉熵损失函数在非均衡样本信用评级中对非违约样本识别过度、违约样本识别不足的现象,利用标签分布交叉熵(Label Distribution Aware Margin Cross Entropy,简记LDAMCE)函数对交叉熵损失函数进行改进,并采用两阶段方式对BPNN模型进行训练,构建基于BPNN-LDAMCE的信用评级模型;基于多模型对比思路,验证BPNN-LDAMCE模型对中国某金融机构1298笔真实贷款数据信用风险预测的有效性;利用UCI公开的A地区、B地区信贷数据,检验BPNN-LDAMCE模型的稳健性.研究发现:BPNN-LDAMCE在保证对非违约样本识别力的同时,提升了对违约样本的预测准确率.研究创新:通过测算非违约、违约样本到分类面的"最优分类间隔"γ1*、γ2*,利用γ1*、γ2*对交叉熵损失函数进行改进,构建基于"最优分类间隔"的BPNN-LDAMCE信用风险评价模型,既可提升BPNN信用评价模型对违约样本的预测性能,也可缓解直接加权的非均衡评级模型BPNN-WCE对非违约样本识别造成的不利影响.研究价值:为不均衡样本信用评级提供新思路.
文献关键词：
信用评价;非均衡;标签分布感知边际交叉熵;BP神经网络
中图分类号：
作者姓名：
杨莲;石宝峰;迟国泰;董轶哲
作者机构：
西北农林科技大学经济管理学院;西北农林科技大学信用大数据应用研究中心;大连理工大学经济管理学院;爱丁堡大学商学院
文献出处：
引用格式：
[1]杨莲;石宝峰;迟国泰;董轶哲-.非均衡数据下基于BPNN-LDAMCE的信用评级模型设计及应用)[J].数量经济技术经济研究,2022(03):152-169
A类：
LDAMCE,标签分布感知边际交叉熵
B类：
非均衡数据,BPNN,信用评级模型,模型设计,设计及应用,非均衡样本,反向传播神经网络,交叉熵损失函数,违约,别过,Label,Distribution,Aware,Margin,Cross,Entropy,简记,两阶段,多模型,模型对比,金融机构,贷款,款数,信用风险预测,UCI,信贷,识别力,预测准确率,研究创新,信用风险评价,风险评价模型,信用评价模型,预测性能,WCE,不均衡样本
AB值：
0.284239
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
