傳統(tǒng)的P2P網(wǎng)絡(luò)借貸違約風(fēng)險評價通常僅使用接受樣本建模,而模型的應(yīng)用對象是包括接受和拒絕的全部樣本,由此帶來的樣本選擇偏差問題會影響模型的泛化能力,需要拒絕推斷校正樣本選擇偏差。利用半監(jiān)督方法構(gòu)建違約風(fēng)險模型,可以將拒絕推斷過程嵌入到違約風(fēng)險評價過程中,在訓(xùn)練違約風(fēng)險評價模型的同時通過對添加到建模樣本中的拒絕樣本進(jìn)行篩選以控制噪音。本文提出基于樣本和特征雙重差異的協(xié)同訓(xùn)練模型TRICMV進(jìn)行P2P網(wǎng)絡(luò)借貸違約風(fēng)險評價。該模型采用了一種基于"噪音學(xué)習(xí)理論"的自適應(yīng)的模型迭代機制,可以確定融入模型的拒絕樣本的最佳數(shù)量。最后,基于人人貸平臺標(biāo)的樣本進(jìn)行實證分析,結(jié)果驗證了TRICMV模型優(yōu)于傳統(tǒng)的違約風(fēng)險評價模型以及其它使用半監(jiān)督學(xué)習(xí)進(jìn)行拒絕推斷的違約風(fēng)險評價模型。 

【文章來源】：管理工程學(xué)報. 2020年06期 北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

結(jié)果一致的樣本和標(biāo)簽加入第三個訓(xùn)練集的候選集中圖1TRICMV建模流程圖Figure1FlowdiagramofTRICMVmodelV模型的偽代碼從候選集中抽取部分樣本與Train合并作為更新的訓(xùn)練集將對u預(yù)測

【參考文獻(xiàn)】：
期刊論文
[1]融入軟信息的P2P網(wǎng)絡(luò)借貸違約預(yù)測方法[J]. 蔣翠清,王睿雅,丁勇.  中國管理科學(xué). 2017(11)
[2]客戶信用評估半監(jiān)督協(xié)同訓(xùn)練模型研究[J]. 肖進(jìn),薛書田,黃靜,謝玲,顧新.  中國管理科學(xué). 2016(06)
[3]基于貝葉斯界定折疊法的小企業(yè)信用評分模型研究[J]. 鄧超,胡梅梅,曾文潮.  管理工程學(xué)報. 2015(04)
[4]基于組合分類的消費者信用評估[J]. 王昱.  管理工程學(xué)報. 2015(01)
[5]基于隨機效應(yīng)logistic模型的中小企業(yè)財務(wù)失敗預(yù)警研究[J]. 梁琪,過新偉,石寧.  管理工程學(xué)報. 2014(03)



本文編號：2956081