一种基于AP-Entropy选择集成的风控模型和算法

近年来互联网金融网贷领域涌现出了众多的风控问题,对此采用多种特征选择方法预处理风控领域的数据指标,构建了全面的针对企业信用的风控指标体系,采用stacking集成策略研究了基于AP-Entropy的信用风险模型。信用风险模型有两层学习器,引入选择集成思想,从种类和数量上筛选基学习器。首先,在Logistic回归、反向传播神经网络、AdaBoost等经典机器学习算法中,采用AP聚类算法选出适合企业信用风险的异质学习器作为基学习器;其次,在每次学习器迭代中,利用熵对学习器择优,自动选出F1值最高的基学习器,其中改进基于熵的学习器选择算法,提升了基学习器选择过程的效率,降低了模型的计算成本,模型选取XGBoost作为次级基学习器。实验结果表明,文中提出的模型和其他模型相比具有更好的学习效果和更强的泛化能力。

物流服务供应商选择的双层规划模型及云遗传算法

在物流服务供应链体系下,针对功能型物流服务供应商的选择问题,提出了使用双层规划模型分析方法。上层规划以集成物流服务供应商的外包业务成本最低为目标,下层规划以客户服务满意度最大为目标。其中,在下层规划中提出客户服务满意度指数模型,并借助熵权法对模型中的各外显指标进行赋权,进而得出客户服务满意度指数。最后,结合模型特点设计了云自适应遗传算法,并借助算例验证了模型和算法的有效性。

基于熵权法和CART决策树的量化选股策略

本文以粤港澳大湾区的30支股票为研究样本,结合券商研报运用熵权法综合考虑多层面因素建立影响股票走势的特征指标体系并探究其对公司股票走势的影响。经检验,从短期来看:资本市场处于弱式,且并不总是有效的;从中长期来看:只有市场整体、估值因子对股票走势有显著负向影响,其他指标未证实与回报率有相关关系。根据特征指标体系建立基于CART决策树的选股模型,随机抽取两组股票进行模型测试与检验,为投资者提供更优的选股策略。考虑外部环境因素对股票走势的作用机制后引入基于新冠疫情的稳定能力因子完善特征指标体系,以此进一步优化选股模型并对决策结果进行测试与检验。