基于FWGKNN算法的个人违约率的应用

随着社会和经济的发展,信用危机越来越受到重视,它不仅影响个人的信用还对很多金融机构产生一定的影响。在信用风险模型中,信用违约率是一个主要的方法来评估个人的信用。机器学习方法一直被用来评估个人违约率。然而,在计算个人违约率的过程中,个人信用数据的缺失是我们面临的一个主要问题。通常,为了更精确地计算个人违约率,对缺失值进行填补是一个比较实际灵活的方法。引用一种特征权重灰色K近邻(FWGKNN)新型算法来对缺失数据进行填补进而求得更精确的个人违约率。实验结果证明:相比其他三种算法,基于FWGKNN算法求得的个人违约率更加精确。