首页> 正文

广义部分线性变系数模型在信用评价中的应用

2020-12-08阅读(789)

广义部分线性变系数模型在信用评价中的应用

论文摘要

随着经济增长,个人贷款业务日益增多,伴随而来的逾期行为也逐渐增加,这是一个亟待解决的问题。作为银行等贷款机构控制信贷风险的重要工具之一,信用评价模型是一个重要的研究课题。统计学方法已广泛应用于信用评价中。本文将广义部分线性变系数模型应用于信用评价中,建立统计模型,分析影响客户违约的各种因素。首先,应用B样条基函数对广义部分线性变系数模型函数系数进行逼近,并利用Lasso方法和Group Lasso方法对模型的参数分量和非参数分量进行变量选择和参数估计,使用坐标下降法求解模型参数。采用Group Lasso和Lasso方法进行数值模拟。其次,利用饼状图和柱状图直观描述变量,采用引入虚拟变量和数据标准化对数据进行预处理。考虑到数据本身的不平衡性,利用Random Oversampling方法进行数据补充。使用广义部分线性变系数模型和Logistic回归模型建模,分别通过Group Lasso和Lasso方法进行变量选择和参数估计,并进行对比分析。结合函数系数估计的非线性形式与ROC曲线的对比结果,综合分析广义部分线性变系数模型具有的可解释性和灵活性,就违约准确预测能力方面说明本文所建立的模型比Logistic回归模型具有优势。最后,根据统计分析结果对信用评价提供几点建议。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究现状
  •     1.2.1 国外相关研究现状
  •     1.2.2 国内相关研究现状
  •   1.3 研究内容与结构
  •   1.4 本文创新点
  • 第2章 模型相关知识及模拟研究
  •   2.1 预备知识
  •     2.1.1 Logistic回归模型
  •     2.1.2 部分线性变系数模型
  •     2.1.3 B样条
  •     2.1.4 K折交叉验证
  •   2.2 广义部分线性变系数模型
  •   2.3 广义部分线性变系数模型的Lasso方法
  •   2.4 广义部分线性变系数模型的Group Lasso方法
  •     2.4.1 基本思想
  •     2.4.2 算法
  •   2.5 ROC曲线
  •   2.6 模拟研究
  •   2.7 本章小结
  • 第3章 信用贷款数据的实证分析
  •   3.1 数据描述及预处理
  •   3.2 建立模型
  •     3.2.1 建立Logistic回归模型
  •     3.2.2 建立Logistic部分线性变系数模型
  •   3.3 模型分析
  •     3.3.1 影响客户违约因素的分析
  •     3.3.2 影响客户违约因素的分类
  •   3.4 利用ROC曲线对模型进行评价
  •   3.5 进一步工作及建议
  •     3.5.1 进一步工作
  •     3.5.2 建议
  •   3.6 本章小结
  • 结论
  • 参考文献
  • 致谢

    • 文章来源

    类型: 硕士论文

    作者: 刘环

    导师: 薛留根

    关键词: 信用评价,广义部分线性变系数,方法,样条,曲线

    来源: 北京工业大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融

    单位: 北京工业大学

    分类号: F224;F832.4

    DOI: 10.26935/d.cnki.gbjgu.2019.000477

    总页数: 56

    文件大小: 1222K

    下载量: 45

    相关论文文献

    • [1].半变系数模型平均的权重估计研究[J]. 西华师范大学学报(自然科学版) 2020(03)
    • [2].基于估计稳定性的变系数模型选择[J]. 统计与决策 2018(05)
    • [3].半参数空间变系数模型的局部线性二阶段估计[J]. 数学的实践与认识 2017(07)
    • [4].部分线性变系数模型的随机约束岭估计[J]. 应用数学 2017(04)
    • [5].误差相关的半变系数模型的估计[J]. 应用概率统计 2010(05)
    • [6].空间变系数模型的局部非线性估计[J]. 哈尔滨师范大学自然科学学报 2014(03)
    • [7].半变系数模型的估计及性质[J]. 山西大同大学学报(自然科学版) 2008(02)
    • [8].约束条件下部分变系数模型的参数估计[J]. 统计与决策 2010(14)
    • [9].半变系数模型的M估计[J]. 工程数学学报 2009(04)
    • [10].误差相关下半变系数模型的随机约束估计[J]. 太原理工大学学报 2008(05)
    • [11].具有相关误差和不同光滑变量的半变系数模型估计（英文）[J]. 应用数学 2015(04)
    • [12].混合误差下半变系数模型的相合估计[J]. 湖南工业大学学报 2011(01)
    • [13].混合误差下半变系数模型估计的相合性[J]. 佳木斯大学学报(自然科学版) 2008(06)
    • [14].具有随机缺失协变量的广义变系数模型[J]. 统计与决策 2008(09)
    • [15].广义变系数模型的局部非线性似然估计[J]. 曲阜师范大学学报(自然科学版) 2019(04)
    • [16].等式约束条件下半变系数模型的参数估计[J]. 统计与决策 2011(21)
    • [17].部分线性变系数模型中误差方差的估计(英文)[J]. 应用数学 2008(02)
    • [18].相关性数据下变系数模型的非参数估计[J]. 统计与决策 2019(08)
    • [19].部分线性变系数模型的Profile Lagrange乘子检验[J]. 系统科学与数学 2008(04)
    • [20].空间变系数模型的局部线性BGWR估计[J]. 数学的实践与认识 2019(08)
    • [21].部分线性变系数模型的随机约束估计[J]. 中央民族大学学报(自然科学版) 2016(04)
    • [22].广义变系数模型的B样条估计及R软件实现[J]. 经济研究导刊 2013(01)
    • [23].半变系数模型的变窗宽和一步局部M-估计[J]. 数学的实践与认识 2011(21)
    • [24].具有内生性的随机变系数模型的PLS估计[J]. 系统工程理论与实践 2019(04)
    • [25].教育回报率的省际差异[J]. 社会科学家 2014(06)
    • [26].变系数模型的快速变量选择方法[J]. 统计与决策 2012(05)
    • [27].响应变量随机缺失下的广义变系数模型的估计[J]. 系统科学与数学 2008(10)
    • [28].半变系数模型的Back-Fitting估计[J]. 应用泛函分析学报 2017(01)
    • [29].基于变系数模型的山东省人口自然增长率分析及预测[J]. 佳木斯大学学报(自然科学版) 2011(03)
    • [30].部分线性变系数模型的随机约束Liu估计[J]. 统计与管理 2019(10)

    标签：;  ;  ;  ;  ;  

    广义部分线性变系数模型在信用评价中的应用
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6