一种基于boosting算法的新模型在银行信用评级中的应用

《一种基于boosting算法的新模型在银行信用评级中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：公开学巧代巧：１０００４密级如＃、交迷乂肇ＢＥＩＪＩＮＧＪ１ＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ硕±学位论文一ｏｏ种基于Ｂｓｔｉｎｇ算法的新模型在银行信用评级中的应用作者姓名奮瓣学科专业计算数学指导教师张作泉教授培养院系理学院論￣月，里ｆ灰細如＃、交瓜锋硕±学位论文一ｏｏ种基于目ｓｔｉｎｇ算法的新模型在银行信用评级中的应用ＡｐｐｌｉｃａｔｉｏｎｏｆＡＮｅｗＭｏｄｅｌＢａｓｅｄｏｎＢｏｏｓｔｉｎｇＡｌｇｏｒｉ化ｍｉｎＢａｎｋＣｒｅｄｉｔＳｃｏｒｉｎｇ作者：崔瑞

2、导师：张作泉教授北巧交通大学２０１６年６巧学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通火学可Ｗ将学位论文的全部或部分內容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编ｗ供查阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可Ｗ为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）＾Ｐ学位论文作者签名：导）；見雜！币签名签字日期：Ｗ乂年（月３日签字日期：心（年

3、＾月日＾：１０００４巧校代码密级：公开化京交通大学硕±学位论文一种基于Ｂｏｏｓｔｉｎｇ算法的新模型在银行信用评级中的应用ＡｐｐｌｉｃａｔｉｏｎｏｆａＮｅｗＭｏｄｅｌＢａ化ｄｏｎＢｏｏｓｔｉｎＡｌｏｒｉｔｈｍｉｎＢａｎｋｇｇＣｒｅｄｉｔＳｃｏｒｉｎｇ作者姓名：崔滞学号：１３１２巧巧导师姓名：张作泉职称：教授学位类别：理学学位级别：硕ｉ学科专业：计算数学研究方向：金融工程北京交通大学２０１６年６月致谢、研究生ｓ年学习生涯即将圆满结束，，衷屯地感谢我敬爱的导师张作泉教授无

4、论是在学习上还是在生活工作中他都给予了我很大的帮助和支持。是他带我叩响数据挖掘的大口，教会了我专业的知识，没有他，我无法完成这篇文章，启蒙之情铭记在也永生难忘。感谢王立春、江中豪、汪成咏、赵平福、商朋见、张尚立老师授予了我研巧生阶段课程，他们细致耐也地授课为我打下了坚实的数学基础，培养了我严谨的数学思维，谢谢你们。感谢我的师兄白荣全一、师姐张昕蕾、赵跃波和师妹毛亚楠。和他们起参与讨论班探讨问题的过程加深了我对各种统计模型的理解，，特别是我的师兄白荣全他耐也细致地帮助我们解决疑难困惑。，这篇论文他更提出了许多宝贵意见感谢我的

5、朋友李月娥、李惹和我的室友刘杰、张亚琴，她们的出现极大地丰富了我的研究生生活。感谢我的研巧生同学，感谢充满爱的数研口０２班，让我有了回家的感觉，希望大家前程似锦。感谢我的父母，你们是，为我提供了良好的教育环境和无微不至的照顾我前进的动力。ＩＩ北京交通大学硕丄学位论义巧要摘要银行拥有大量的信用贷款数据，大数据时代运用信用评分模型去准确地判断申请人的信用风险是未来发展的趋势。在实际的信用评分数据库中，信用好的申请者通常都比信用不好的申请者多很多，从而导致了数据集的不平衡，而机器学习在不平衡数据集上的训练往往对小类

6、的识别率比较低，错误地给予信用不好的申请者贷款会给银行带来巨大的商业危害，因此提离分类器对小类的识别至关重要。一法的新模型Ｈ一本文提出了种基于混合重抽样和Ｂｏｏｓｔｉｎｇ算ＳＢｏｏｓｔ。第阶段，对不平衡数据集进行混合重抽样处理，从而获得平衡的样本训练集；第二阶段，利用Ｂｏｏｓｔｉｎｇ算法更改容易被错误分类的小类样本的权值，从而来提髙分类器对小类样本的识别能力。本文利用ＵＣＩ数据库的信用评分数据集，运用ＨＳＢｏｏｓｔ算法做实证分析，用ＳＶＭ、ＢＰ神经网络、ＤＴ作为基本分类器，对比己有的ＲＵＳＢｏｏｓｔ算法、ＳＭＯＴＥＢｏｏｓ

7、ｔ算法、混合重抽样技术和两种基本重抽样技术，验证了ＨＳＢｏｏｓｔ算法的有效性和可行性，提高了分类器对小类的识别率。同时利用非参数Ｗｉｌｃｏｘｏｎ配对符号秩检验，证明了ＨＳＢｏｏｓｔ算法显著优于ＳＭＯＴＥＢｏｏｓｔ算法。关键词：信用评级；不平衡数据；ＨＳＢｏｏｓｔ算法ＩＩＩ化南交通乂学硕丄－学位论父ＡＢＳＴＲＡＣＴＡＢＳＴＲＡＣＴＩｎｔｈｅｅｒａｏｆ目ｉｇＤａｔａ，ｕｓｉ打ｇｃｒｅｄｉｔｓｃｏｒｉｎｇｍｏｄｅｌｔｏａｃｃｕｒａｔｅｌｙｊｕｄｇｅｔｈｅ＇ａｌｃａｎｔｓｃｒｅｄｉｔｒｉｓｋｓｅｔａｒ

8、ｏｖｔｒｅｎｔｅｐｐｉｂａｄｏｎｂｉｇｄａ