论文摘要
连续变量离散化属于信用评级建模的初始阶段,科学的离散化操作能够提升模型的分类效果和参数的稳定性,便于评级模型的产品呈现.考虑信用评级的误判成本差异,对类别-属性一致性最大化准则进行类别权重调整,提出ACACM准则,并提出基于ACACM准则的数据离散化算法.ACACM算法调整原算法中不同类别个体的权重,更加倾向于刻画误判成本较高的违约客户,使离散化后的变量能够提升评级模型的风险控制能力,更适合信用评级建模.
论文目录
文章来源
类型: 期刊论文
作者: 夏利宇,刘赛可,何晓群
关键词: 信用评级模型,数据离散,客户分类,权重调整,误判成本
来源: 数学的实践与认识 2019年23期
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: 国网能源研究院有限公司,中国人民大学应用统计科学研究中心
基金: 教育部人文社会科学重点研究基地重大项目(15JJD910002)
分类号: F832.4;F224
页码: 60-66
总页数: 7
文件大小: 412K
下载量: 163