首页|非均衡数据下基于BPNN-LDAMCE的信用评级模型设计及应用

非均衡数据下基于BPNN-LDAMCE的信用评级模型设计及应用

Design and Application of a Credit Rating Model Based on BPNN-LDAMCE with Imbalanced Data

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.

杨莲、石宝峰、迟国泰、董轶哲

展开 >

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

展开 >

信用评价 非均衡 标签分布感知边际交叉熵 BP神经网络

国家自然科学基金面上项目&&国家自然科学基金重点项目中央农办、农业部乡村振兴专家咨询委员会软科学研究计划中和农信星空计划

7187310372173096717310032021-22K4030218167

2022

数量经济技术经济研究
数量经济与技术经济研究所

数量经济技术经济研究

CSTPCDCSSCICSCDCHSSCD北大核心
影响因子：1.069
ISSN：1000-3894
年,卷(期)：2022.39(3)
  • 3
  • 9