信用評級建模中,當(dāng)多個(gè)分類變量的類別較多時(shí)會(huì)給模型的估計(jì)和預(yù)測造成較大影響,因此需要對多類別的分類變量進(jìn)行預(yù)處理。結(jié)合連續(xù)數(shù)據(jù)離散化的方法,提出基于Fisher精確檢驗(yàn)、CACM準(zhǔn)則和ACACM準(zhǔn)則的有監(jiān)督類合并方法。分別采用模擬數(shù)據(jù)和真實(shí)的小微企業(yè)信貸業(yè)務(wù)數(shù)據(jù)對所提出的方法進(jìn)行分析,結(jié)果表明,對多類別的分類變量進(jìn)行有效的類合并處理不僅有利于簡化模型參數(shù),而且有利于提高信用評級模型的分類效果。 

【文章來源】：統(tǒng)計(jì)與信息論壇. 2020,35(07)北大核心CSSCI

【文章頁數(shù)】：6 頁

【文章目錄】：
一、引 言
二、理論基礎(chǔ)
三、類合并方法
四、數(shù)值模擬
五、實(shí)證分析
六、結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]信用評級模型的數(shù)據(jù)離散化研究[J]. 夏利宇,劉賽可,何曉群.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2019(23)
[2]新三板融資環(huán)境下中小企業(yè)信用風(fēng)險(xiǎn)評估[J]. 朱宗元,蘇為華,王秋霞.  統(tǒng)計(jì)與信息論壇. 2018(10)
[3]個(gè)人信用風(fēng)險(xiǎn)評分的貝葉斯有偏連接模型研究[J]. 史小康,何曉群.  統(tǒng)計(jì)與信息論壇. 2015(02)
[4]基于改進(jìn)χ2統(tǒng)計(jì)的數(shù)據(jù)離散化算法[J]. 桑雨,李克秋,閆德勤.  大連理工大學(xué)學(xué)報(bào). 2012(03)



本文編號：3392575