基于c&rt-svm的个人信用评估组合模型研究

《基于c&rt-svm的个人信用评估组合模型研究》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、学校代号１０５３２学号Ｓ１３１８１００１６分类号密级＃ＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ硕±学位论文基于Ｃ＆ＲＴ－ＳＶＭ的个人信用评估组合模型研究学位申请人姓名黄佳培养单位金融与统计学院导师姓名及职称龙海明教授许朝哮副教授学科专业金融学研究方向金顯管理与金融工程论文提交日期２０１６年４月２０日学校代号！１０５３２学号；Ｓ１３１８１００１６密级：潮南大学硕±学位论文基于Ｃ＆ＲＴ－ＳＶＭ的个人信用评估组合模型研究学位串请人姓名

2、：黄佳导师姓名及职祿：龙海明教授许朝睹副教授巧养ｍ位：余曲与统计学院专业名称：余巧学论文提交日期：２０１６年４月２０日论立答雜日期；２０１６年６月１日答ｍ委贵会主庶：张强教巧ＰｅｒｓｏｎａｌＣｒｅｄｉｔＥｖａｌｕａｔｉｏｎｂａｓｅｄｏｎＣ＆ＲＴａｎｄＳＶＭＰｏｒｔｆｏｌｉｏＭｏｄｅｌｂｙＨＵＡＮＧＪｉａＢ卫ＪｉａｎｘｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔ２０１３（ｇｙ）Ａｔｈｅｓｉｓｓｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔ

3、ｉｏｎｏｆｔｈｅｐ艮ｅｑ山ｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｃｏ打ｏｍｉｃｓｉｎＦｉｎａｎｃｅｉｎ化ｅＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙＳｕｅｒｖｉｓｏｒｐＰｒｏｆｅｓｓｏｒＬｏｎｇＨａｉＭｉｎｇＡｒｉｌ２０１６ｐ，湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加Ｗ标注引用的内容外，本论文不包含任何其他个人或集体已经发表

4、或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。本人完全意识到本声明的法律后果由本人承担。■■日期作者签名：＾隹：年６月参日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被査阅和借阅。本人授权湖南大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索。，可Ｗ采用影印、缩印或扫描等复制手段保存和汇编本学位论文本学位论文属于１、保密□，在年解密后适用本授权书。

5、２、不保密囚。＂＂（请在Ｗ上相应方框内打Ｖ）作者签名；日期：年６月日如，自＾导师签名：日期；年６月多日Ｉ基于Ｃ＆ＲＴ－ＳＶＭ的个人信用巧估組合模型研究摘要一现代经济是信用经济，信用作为恃定的经济交易行为，是商品经济发展到定阶段的产物，而个人信用评估在促进信用经济发展和社会信用体系建设中发挥？着极其重要的基础作用。２００８年次贷危机发生后，人们普遍意识到个人信用信息服务对经济金融运行的深刻影响和重要作用，从防范非系统性风险上升为防范系。统性风险，利用新技术推动个人信用评估的发

6、展亟得尤为重要个人信用评估本质上是分类问题，，即将信用好的客户与信用差的客户区分开所Ｗ适用于分类问题的方法大多可Ｗ用于个人信用评估。个人信用评估方法日益丰富一直在寻找，从早期的统计学方法到非统计学方法，再到组合方法，学者们一准确性和稳定性俱佳的个人信用评估模型。鉴于单的个人信用评估模型提升空间有限一，而组合模型方法可＾＾，（将单模型优势互补故本文选用组合模型的方法构建个人信用评估模型。一一组合模型的构建方法主要有两种，种是串行结构组合方法，另种是并行一结构组合方法。两种组合方法原理各不相同，串行结构组合方

7、法中单模型按顺一一一序学习，组合模型中某个单模型出现了错误，将影响到下个单模型，使组合模型的最终结果不可靠一一。并行结构組合方法中单模型相互独立，某个单模型的错误对整体结果的影响较小，并行结构组合模型具有较强的稳定性，因此得到了更为广泛的应用一。故本文选择并行结构组合方法对单模型进行合成，并采一用加权投票的方式对单模型的输出结果进行合成。本文将Ｃ＆ＲＴ与ＳＶＭ进行并行组合，既能发挥Ｃ＆ＲＴ可解释性强、稳定性ＳＶＭ对、髙的优点，也能发挥数据没有假设条件分类精度窩的优点，使Ｃ＆ＲＴ一模型与ＳＶＭ模型提

8、供的分类信息相互补充，同时组合模型的预测结果成为单模型预测结果的组合，使组合模型在信用评估中分类预測的准确性、稳定性、可解释性都得到増强。在ＵＣＩ德国个人信用数据集上的測试结果表明，组合模型在一对样本的分类精度和稳定性上均优于