符号序列多阶Markov分类在银行客户风险预测中的应用

在金融行业突飞猛进发展的今天,为提高银行业务水平和运营收益,正确预测银行客户风险是一项非常重要的风险管理任务。目前国内尚未研究出与国情相匹配的完整模型,所以银行在应用模型时时常遇到亟待改进的局限。本文提出基于多阶马尔科夫模型符号序列贝叶斯分类新方法。新分类器的训练算法既可以学习各种符号不同阶次的条件概率,还可以优化不同阶次的权重,且为验证新分类器有效性,我们在三个实际应用领域的序列集上开展实验,并验证了其对预设阶数n是鲁棒的。新分类器通过使用多阶马尔科夫模型加权机制,可抵消错误模型阶数对分类器性能的影响,得出可在不同应用领域的实际序列集上取得高质量的分类结果。