信用评级模型的数据离散化研究

发布时间：2021-12-12 01:26

　　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. 

【文章来源】：数学的实践与认识. 2019,49(23)北大核心

【文章页数】：7 页

【参考文献】：
期刊论文
[1]信用评级模型构建的统计学解读[J]. 夏利宇,何琬.  征信. 2019(06)
[2]基于半参数方法进行拒绝推断的信用评级模型[J]. 夏利宇,何晓群.  管理评论. 2018(10)
[3]个人信用评级模型的指标选择方法[J]. 史小康,马学俊.  统计与决策. 2014(23)
[4]连续属性离散化的Imp-Chi2算法[J]. 桑雨,闫德勤,刘磊,梁宏霞.  计算机工程. 2008(17)



本文编号：3535746