<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>
    1. <address id="n0hly"></address>
      1. 加急見(jiàn)刊

        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

        楊德杰; 章寧; 袁戟; 白璐 中央財經(jīng)大學(xué)信息學(xué)院; 北京100081; 德國慕尼黑工業(yè)大學(xué)土木-地質(zhì)-環(huán)境學(xué)院; 慕尼黑80333

        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

        亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看
        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>

          <small id="n0hly"><progress id="n0hly"></progress></small>
        1. <address id="n0hly"></address>