信用评分模型中拒绝推断问题研究:基于半监督协同训练法的改进

随着我国金融市场的蓬勃发展,信用评价中的拒绝推断问题越来越受到重视。针对信用评分模型中存在的有类别标签的样本占比低,并且样本中的类别分布不平衡等问题,本文在半监督学习技术与集成学习理论的基础上,提出了一种新的算法——BCT算法。该算法通过使用动态Bagging生成多个子分类器,引入分类阈值参数来解决样本类别分布不平衡问题,以及设定早停止条件来避免算法迭代过程中存在的过拟合风险,以此对传统半监督协同训练法进行改进。通过在5个真实数据集上的实证分析发现,在不同数据集与不同拒绝比例下,BCT算法的性能均优于其他6种有监督学习和半监督学习算法的信用评分模型,显示了BCT算法具有良好的模型泛化性能和更高的模型评价能力。

医疗资源储备与新冠疫情防控——基于健康生产函数的视角

在我国通过医疗资源配给取得新冠疫情防控阶段性成果的背景下,本文基于健康生产函数视角,研究了医疗资源储备水平对新冠疫情防控效果的影响及其最优规模。结果显示:第一,提高医疗资源储备水平能降低新冠感染率、缩短疫情防控时间,但对病死率没有影响。在保持其它因素不变的条件下,执业医师人数和床位数每增加1%,每十万人的感染人数分别下降0.47人次和0.43人次,疫情防控时间分别缩短4.5天和3.7天。第二,医疗资源数量与新冠感染率呈"U"型关系,与疫情防控时间呈倒"U"型关系,且当前医疗资源水平略低于其最优规模,这与全国统一的防疫制度安排有关。第三,医疗资源数量对新冠感染率的影响具有较强异质性,对疫情防控时间影响的异质性较弱。本文还发现,执业医师人数是比床位数更重要的防疫资源。以上结论为我国今后在面对大规模流行疾病时,医疗资源储备和配给政策的制定,提供了重要的实证依据。