基于堆棧降噪自編碼網(wǎng)絡(luò )的個(gè)人信用風(fēng)險評估方法
摘要：個(gè)人信用歷來(lái)是銀行衡量個(gè)人履約風(fēng)險最重要的因素。近年來(lái),隨著(zhù)我國借貸需求與日俱增,僅依據信用卡信息的傳統個(gè)人信用評估方式,已不能完全滿(mǎn)足銀行業(yè)的發(fā)展需求。因此,為了構建更加豐富的用戶(hù)信用畫(huà)像,文中基于銀行大數據提取信用風(fēng)險評估特征。為了解決金融大數據帶來(lái)的維度災難和噪聲問(wèn)題,充分考慮了數據特征之間的相關(guān)性,對堆棧降噪自編碼神經(jīng)網(wǎng)絡(luò )模型進(jìn)行了改進(jìn),引入了截斷的Karhunen-Loève展開(kāi)作為噪聲傳入項,并在某商業(yè)銀行的大數據平臺上進(jìn)行了一系列數據實(shí)驗。實(shí)驗結果顯示:相比僅使用信用卡信息,利用銀行大數據能使衡量正負樣本分離度的指標——K-S值提升約11%;改進(jìn)的堆棧降噪自編碼神經(jīng)網(wǎng)絡(luò )方法具有更好的風(fēng)險評估效果,準確率相比原模型提高了3%左右,驗證了在銀行大數據環(huán)境下進(jìn)行信用風(fēng)險評估的有效性。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系計算機科學(xué)雜志社
相關(guān)推薦
更多
.jpg)
.jpg)
.jpg)
于我們.jpeg)