智能算法驱动信用风险度量精细化研究

薛 琳
黑龙江财经学院

摘要


为克服传统评分卡与逻辑回归模型难以捕捉借款人行为特征中非线性交互关系的局限，提出融合梯度提升树、深度神经网络以及图神经网络的分层智能评估体系。依托高维特征工程技术深度挖掘信用变量的内涵，运用SHAP可解释方法确保模型决策具备透明性，部署概念漂移检测模块强化系统的动态适应能力，该智能算法框架能够显著提升违约概率预测的判别能力与稳健性，同时满足金融监管对于模型透明度的合规性标准。

关键词


智能算法；信用风险度量；深度学习；特征工程；可解释性

全文:

PDF


参考


[1]侯景花.商业银行信用风险度量及评估方法研究[J].晋中学院学报,2022,39(06):57-63.

[2]邓国和,汪嘉骎.多维仿射跳扩散模型的信用风险度量[J].应用概率统计,2022,38(05):706-722.

[3]程昊,刘祥宇.多维度比较信用风险度量方法[J].中国外汇,2022,(12):50-53.


Refbacks

  • 当前没有refback。