典型文献
非平衡样本下基于生成对抗网络过抽样技术的公司债券违约风险预测研究
文献摘要：
本文基于我国在公开市场发行过信用类债券的违约数据,利用了基于Wasserstein距离的生成对抗网络模型和SMOTE抽样技术对违约样本进行过抽样以提高非平衡样本下违约风险模型的预测效果.为检验过抽样技术对分类模型的改进效果,实证分析对不同的重抽样样本类别比例下分类模型的预测结果进行比较.研究结果表明过抽样技术能够显著地分类模型的预测精度,而且预测效果随着样本类别比例达到平衡而不断提高.和经典的SMOTE抽样技术相比,基于Wasserstein距离的生成对抗网络过抽样技术不仅可以提高分类模型的AUC指标,同时还能显著地改进F1得分.研究结果表明通过生成对抗网络对少数类样本进行过抽样能够显著地提升机器学习算法对债券违约风险的预测效果,为研究非平衡样本下的债券违约风险预测提供一种新的解决思路.
文献关键词：
债券违约风险;生成对抗网络;非平衡样本分类;过抽样技术
中图分类号：
作者姓名：
姚潇;李可;余乐安
作者机构：
中央财经大学商学院,北京100081;西南财经大学统计学院统计研究中心,成都611130;西南财经大学金融安全协同创新中心,成都611130;四川大学商学院,成都610064
文献出处：
引用格式：
[1]姚潇;李可;余乐安-.非平衡样本下基于生成对抗网络过抽样技术的公司债券违约风险预测研究)[J].系统工程理论与实践,2022(10):2617-2634
A类：
过抽样技术,非平衡样本分类
B类：
生成对抗网络,公司债券,债券违约风险,风险预测,预测研究,公开市场,信用类债券,约数,Wasserstein,SMOTE,违约风险模型,分类模型,改进效果,重抽样,样样,本类,明通,少数类,提升机,机器学习算法,解决思路
AB值：
0.177258
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。
