信用评级中多类别分类自变量的类合并方法研究

发布时间：2021-09-09 18:30

　　信用评级建模中,当多个分类变量的类别较多时会给模型的估计和预测造成较大影响,因此需要对多类别的分类变量进行预处理。结合连续数据离散化的方法,提出基于Fisher精确检验、CACM准则和ACACM准则的有监督类合并方法。分别采用模拟数据和真实的小微企业信贷业务数据对所提出的方法进行分析,结果表明,对多类别的分类变量进行有效的类合并处理不仅有利于简化模型参数,而且有利于提高信用评级模型的分类效果。 

【文章来源】：统计与信息论坛. 2020,35(07)北大核心CSSCI

【文章页数】：6 页

【文章目录】：
一、引 言
二、理论基础
三、类合并方法
四、数值模拟
五、实证分析
六、结 论


【参考文献】：
期刊论文
[1]信用评级模型的数据离散化研究[J]. 夏利宇,刘赛可,何晓群.  数学的实践与认识. 2019(23)
[2]新三板融资环境下中小企业信用风险评估[J]. 朱宗元,苏为华,王秋霞.  统计与信息论坛. 2018(10)
[3]个人信用风险评分的贝叶斯有偏连接模型研究[J]. 史小康,何晓群.  统计与信息论坛. 2015(02)
[4]基于改进χ2统计的数据离散化算法[J]. 桑雨,李克秋,闫德勤.  大连理工大学学报. 2012(03)



本文编号：3392575