基于整合治愈率模型的信贷违约时点预测

传统信用评分方法主要利用统计分类方法,只能预测借款人是否会发生违约,但不能预测违约发生的时点。治愈率模型是二分类和生存分析的混合模型,不仅可以预测是否会发生违约,而且可以预测违约发生的时点,比传统二分类方法可以提供更多的信息。另外,随着大数据的发展,数据源越来越多,针对相同或者相似任务,可以收集到多个数据集,本文提出了融合多源数据的整合治愈率模型,可以对多个数据集同时建模和估计参数,通过复合惩罚函数进行组间和组内双层变量选择,并通过促进两个子模型回归系数符号相同,提高模型的可解释性。通过数值模拟发现,所提方法在变量选择和参数估计上均有明显优势。最后,将所提方法应用于信用贷款的违约时点预测中,模型表现良好。

将G1法应用于养殖户信用风险评估研究

在互联网时代,信用是一笔巨大的财富,良好的信用可以帮助我们从银行或金融机构获取资金支持,用于生产生活。但是,对于以养殖为主要收入来源的农民而言,他们在申请贷款时却面临手续繁琐、获批率低、贷款规模小等问题。论文分析了养殖户贷款难的原因,对传统的信用风险度量技术和模型进行了深入调研,提出将养殖情况的分析纳入养殖户信用评估指标体系中,并将改进的层次分析法G1应用于计算各指标的权重值,还实现了基于该模型的系统,并通过实验,验证系统的有效性。