全部版块 我的主页
论坛 经济学人 二区 外文文献专区
924 18
2022-05-31
英文标题:
《Simplifying credit scoring rules using LVQ+PSO》
---
作者:
Laura Cristina Lanzarini, Augusto Villa Monte, Aurelio F. Bariviera,
  Patricia Jimbo Santana
---
最新提交年份:
2017
---
英文摘要:
  One of the key elements in the banking industry rely on the appropriate selection of customers. In order to manage credit risk, banks dedicate special efforts in order to classify customers according to their risk. The usual decision making process consists in gathering personal and financial information about the borrower. Processing this information can be time consuming, and presents some difficulties due to the heterogeneous structure of data. We offer in this paper an alternative method that is able to classify customers\' profiles from numerical and nominal attributes. The key feature of our method, called LVQ+PSO, is the finding of a reduced set of classifying rules. This is possible, due to the combination of a competitive neural network with an optimization technique. These rules constitute a predictive model for credit risk approval. The reduced quantity of rules makes this method not only useful for credit officers aiming to make quick decisions about granting a credit, but also could act as borrower\'s self selection. Our method was applied to an actual database of a credit consumer financial institution in Ecuador. We obtain very satisfactory results. Future research lines are exposed.
---
中文摘要:
银行业的一个关键要素是对客户的适当选择。为了管理信用风险,银行专门根据客户的风险对其进行分类。通常的决策过程包括收集借款人的个人和财务信息。处理这些信息可能非常耗时,并且由于数据的异构结构而带来一些困难。我们在本文中提供了另一种方法,可以从数字和名义属性中对客户档案进行分类。我们的方法称为LVQ+PSO,其关键特征是发现一组简化的分类规则。这是可能的,因为竞争性神经网络与优化技术相结合。这些规则构成了信贷风险审批的预测模型。规则数量的减少使得这种方法不仅对信贷官员有帮助,目的是快速做出信贷发放决策,而且还可以作为借款人的自我选择。我们的方法已应用于厄瓜多尔一家信用消费金融机构的实际数据库。我们取得了非常令人满意的结果。揭示了未来的研究方向。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--
一级分类:Quantitative Finance        数量金融学
二级分类:Computational Finance        计算金融学
分类描述:Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法,包括蒙特卡罗,偏微分方程,格子和其他数值方法,并应用于金融建模
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-31 08:39:54
SIMPLIF YING*信用*评分*规则*与*LVQ+PSO*Laura Cristina Lanzarini和Augusto Villa Monte Universidad National de la Plata,Facultad de Informática,III-LIDI,la Plata,阿根廷Aurelio F.Bariviera商业部,Rovira i Virgili大学,Reus,西班牙,Patricia Jimbo Santana Facultad de Ciencias Administrativas,厄瓜多尔中央大学,基多,皮钦察,厄瓜多尔摘要银行业的关键要素之一在于对客户的适当选择。为了管理信用风险,银行专门根据客户的风险对其进行分类。通常的决策过程包括收集借款人的个人和财务信息。处理这些信息可能非常耗时,并且由于数据的异构结构而带来一些困难。我们在本文中提供了另一种方法,可以从数字和名义属性中对客户档案进行分类。我们的方法称为LVQ+PSO,其关键特征是发现一组简化的分类规则。这是可能的,因为竞争性神经网络与优化技术相结合。这些规则构成了信贷风险审批的预测模型。规则数量的减少使得这种方法不仅对信贷官员有帮助,目的是快速做出信贷发放决策,而且还可以作为借款人的自我选择。我们的方法已应用于厄瓜多尔一家信用消费金融机构的实际数据库。我们取得了非常令人满意的结果。揭示了未来的研究方向。关键词:信用评分、分类规则、学习矢量量化(LVQ)、粒子群优化(PSO)1。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-31 08:39:57
导言过去60年的经济发展伴随着金融服务的扩展和普及。事实上,消费者贷款现在为许多国家的大部分人口提供了获得某些商品和服务的机会,将付款推迟到将来某个时候。这种消费的“民主化”给金融机构带来了挑战。由于借款人数量相对减少,抵押贷款申请可以以较慢的速度决定,而消费者贷款需要更快的决定程序。借款人希望获得小额贷款,用于购买家庭设备、汽车、旅行等。他们渴望得到一个快速的答案。金融机构希望找到适当的规则,以便只批准好的借款人的信贷申请,即那些偿还其财务承诺的借款人。从借款人的角度来看,他们希望自己的申请得到肯定的答复。2金融机构通常会询问潜在客户的详尽信息:年龄、婚姻状况、工资、其他债务、工作类型等。收集这些信息是为了使用一些决策模型进行分析。此分析的结果是授予或拒绝信用。越来越多的申请者和数据增加了处理这一多维问题复杂性的适当技术的必要性。确切地说,被称为数据挖掘的领域可以揭示这种情况。Lessmann等人(2015)确认,准确预测的商业价值取决于其与公司利润方程的关系。数据挖掘包括一组能够对可用信息建模的技术。这一过程中最重要的阶段之一是知识发现。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-31 08:40:00
它的特点是在不假设先验假设的情况下获取新的有用信息。决策者首选的技术之一是关联规则。关联规则的一个示例是一个表达式:如果条件1,则条件2,其中两个条件都是形式命题(属性=值)的连接,其唯一限制是前件中的属性不能出现在后件中。当一组关联规则出现在随后的相同属性中时,它被称为一组分类规则(Witten et al.2011,Hernández and Ramírez,2004)。本文的目的有两个。一方面,我们将神经网络与优化技术相结合的分类规则获取方法与两种著名的分类方法进行了比较。另一方面,我们表明,由于决策所需的规则数量减少,提供的解决方案非常直观和简单。减少规则集可以提高金融机构决策过程的透明度。论文的其余部分结构如下。第2节简要讨论了有关信用风险的相关文献。第3节介绍了神经网络、元启发式和所提出的方法。第4节描述了数据并给出了真实实证应用的结果,第5节得出了我们建议的主要含义。2、相关工作研究商业风险的兴趣可以追溯到菲茨帕特里克(1932),他写了破产预测方面最早的论文之一,使用了三年内为40家公司计算的13个会计比率。20世纪60年代,美国资本市场的发展表明,有必要建立更科学的模型来评估企业的经济实力。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-31 08:40:03
因此,Altman(1968)开发了第一个z分数模型。当时,银行主要关注的是根据其信用风险对公司进行分类,因为它们是主要客户。然而,在过去几十年中,消费信贷有所增加。零售银行业是一个不断发展的行业。不仅信用卡会员数量激增,特别是在新兴经济体,而且小额消费信贷也在增加。例如,在新兴经济体中,家庭分期购买家用电器是很常见的。在这些国家,家电商店通常与金融机构联合,以便为客户提供快速决策的信贷额度。此类金融工具的存在有助于促进销售。这种联系产生了利益冲突。一方面,家电商店想向所有客户销售产品。因此,推行慷慨的信贷政策符合其最大利益。另一方面,金融机构希望信贷收入最大化,这导致对贷款损失的严格监控。公平透明的信贷政策有利于家电商店和金融机构之间建立良好的业务关系。制定此类政策的一种方法是制定客观规则,以决定是否批准信贷申请。3有几种方法可以构建规则来评估信用申请人的信用度。最早的方法是基于与Altman(1968)相似的判别分析开发的。然而,计算智能技术产生了更好的结果。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-31 08:40:07
这些技术包括人工神经网络、模糊集理论、决策树、支持向量机、遗传算法等,但并不详尽。人工神经网络是一类具有不同结构的神经网络。这些架构包括流行的模型,如反向传播网络、自组织映射和学习矢量量化。模糊集理论是由Zadeh(1965)的开创性论文发展而来的,其结果在信用分类等没有明确定义边界的情况下非常有用。决策树以树叶和决策节点的树形结构转换数据,目标是测试树的每个分支的属性,这些分支构成一个类。支持向量机搜索最优超平面,以生成二元分类,最大化类之间的间隔。遗传算法是基于自然选择的进化思想来解决优化问题的一组方法。Hand和Henley(1997)强调,由于需要保密,在这一领域发现新的统计技术很困难。更好的技术为金融机构提供了竞争优势,并且不愿意披露此类发现。Freitas(2003)讨论了遗传算法在数据挖掘和分类问题中的应用。Wang等人(2007)提出了一种基于粒子群优化的分类规则挖掘算法。Lessmann等人(2015)发现,人工神经网络的性能优于极限学习机。Abid等人(2016年)使用逻辑回归和判别分析,从2010-2012年期间突尼斯商业银行的数据库中分离出“好”和“坏”借款人。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群