基于堆棧降噪自編碼網絡的個人信用風險評估方法
摘要：個人信用歷來是銀行衡量個人履約風險最重要的因素。近年來,隨著我國借貸需求與日俱增,僅依據信用卡信息的傳統個人信用評估方式,已不能完全滿足銀行業的發展需求。因此,為了構建更加豐富的用戶信用畫像,文中基于銀行大數據提取信用風險評估特征。為了解決金融大數據帶來的維度災難和噪聲問題,充分考慮了數據特征之間的相關性,對堆棧降噪自編碼神經網絡模型進行了改進,引入了截斷的Karhunen-Loève展開作為噪聲傳入項,并在某商業銀行的大數據平臺上進行了一系列數據實驗。實驗結果顯示: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%;改進的堆棧降噪自編碼神經網絡方法具有更好的風險評估效果,準確率相比原模型提高了3%左右,驗證了在銀行大數據環境下進行信用風險評估的有效性。
注: 保護知識產權,如需閱讀全文請聯系計算機科學雜志社
相關推薦
更多
