版权说明 操作指南
首页 > 成果 > 详情

基于贝叶斯界定折叠法的小企业信用评分模型研究

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
邓超;胡梅梅;曾文潮
作者机构:
[邓超; 胡梅梅; 曾文潮] 中南大学.商学院
语种:
中文
关键词:
拒绝推论;贝叶斯界定折叠法;信用评分模型;小企业
关键词(英文):
bound and collapse Bayesian inference;credit scoring model;small business
期刊:
管理工程学报
ISSN:
1004-6062
年:
2015
卷:
29
期:
4
页码:
162-170
基金类别:
国家自然科学基金资助项目(71173241) 教育部新世纪优秀人才支持计划资助项目(CET-10-0830) 教育部人文社科基金资助项目(12YJC790065)
机构署名:
本校为其他机构
院系归属:
商学院
摘要:
本文针对小企业信用评分模型演化过程中出现的样本选择偏差问题,引入拒绝推论的思想,利用贝叶斯界定折叠法有效解决因样本有偏引起的小企业信用评分模型分类能力丧失问题,该方法避免了有偏样本抽样分析中出现的迭代问题和随机方法中出现的收敛问题,并提供一种可以降低数据集条件分布和边际分布预测成本的确定性分析方法。实证结果表明,贝叶斯界定折叠法在样本筛选率分别为20%和40%的假设下,对样本填补率和模型分类能力均有较大贡献,具有较强的稳健性,是在非随机数据缺失机制下解决样本选择偏差问题的有效途径。
摘要(英文):
In small business credit scoring, sample selection bias is commonly referred to as "reject inference", where partial observations of delinquent variables are missing due to a credit screening process of the bank. Sample selection bias may lead to biased parameter estimation, thereby affecting the accuracy of model prediction and the effectiveness of credit decision. Therefore, improving the sample selection bias is the crucial content of current credit scoring model studies.A literature review leads to the conclusion that most solutions curre...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com