公共文化服务平台

搜索到388篇“ 信贷违约“的相关文章

基于自注意力机制的不平衡信贷违约预测方法及装置: 本发明提供一种基于自注意力机制的不平衡信贷违约预测方法及装置，该方法包括数据预处理步骤、模型训练步骤以及信贷违约预测步骤，其中，对基于自注意力机制的深度神经网络模型进行训练并利用该模型进行信贷违约的预测，该模型利用先进的...; 吴杰谭言丹

互联网小额信贷违约风险识别模型研究:基于集成学习方法: 2025年; 随着互联网信贷规模快速扩大,风险管理问题日益突出。为更准确预测用户违约概率,提升信贷风险控制能力,本研究将传统评分卡模型和机器学习模型相结合,提出一种新的违约风险识别模型。以LendingClub小额贷款业务数据为样本,在对数据进行预处理、变量筛选和不平衡数据处理后,将LightGBM和NGBoost的预测概率通过评分卡模型转化为信用评分,并将其作为新的特征,运用Logistic得到最终结果。结果表明:与单一模型相比,引入传统评分卡模型的组合模型具有更优的识别效果。该研究将为增强对借款人的动态管理提供有效理论依据。; 赵健郭青

基于自注意力集成自动多视野的信贷违约预测方法及装置: 本发明提供一种基于自注意力集成自动多视野的信贷违约预测方法及装置，其中，基于离散连接性和正负相关性将用于模型训练的金融数据的特征自动划分为四个特征组，省去了费时的人工标注环节，且这种划分方式使得相同或类似的特征得以聚集，...; 吴杰谭言丹

基于Group-Lasso-Logistic网络信贷违约预测: 在当前的社会背景下，随着互联网的迅速发展，互联网金融也开始兴起，网络信贷行业作为互联网金融领域的新兴行业更是迅速发展。我国网络信贷行业在十几年的发展历程中，平台数量呈倍数增长，规模不断扩大。与此同时，也爆发出很多潜在风险...; 周诗妮; 关键词：网络信贷违约预测信用风险

黑龙江省农户信贷违约风险缓解研究: 2024年; 农业信贷在农业经营中发挥着重要作用。通过分析黑龙江农户信贷现状以及面临的诸多问题,以缓解农户信贷违约为思路,提出提升农户还款能力、提高农户信用素养、强化农户金融素养和完善农村信用体系的策略,从而有效控制农户信贷违约风险,解决农户信贷难的问题,促进农业现代化发展。; 李佩倪刘宏宇; 关键词：农户信贷信用违约信贷风险

联保特征对商户信贷违约的影响研究: 商户作为我国最基层的市场主体,是经济韧性、就业韧性的重要支撑,也是金融活水浇灌实体经济的重点领域。长期以来,为解决商户等小微主体融资难题,各地政府和金融机构出台了一系列促进小额信贷的举措办法。然而,商户小额信贷在解决商户...; 田锦萱; 关键词：信贷违约信用风险商户

信贷违约预测方法、装置、设备、介质及产品: 本发明提供信贷违约预测方法、装置、设备、介质及产品，涉及人工智能技术领域。方法包括：获取待预测用户的通信服务指标数据，通信服务指标数据反映待预测用户的通信服务使用情况；将通信服务指标数据数输入至已训练的预测模型中，获取预...; 郑才华杨弋鋆

S农业银行HP支行绿色信贷违约风险管理研究: 鉴于全球环境问题的严重性和气候变化给人类社会带来的深刻影响,绿色金融作为一种应对策略逐渐受到国内外的高度关注。其中,绿色信贷作为绿色金融的重要组成部分,对于推动绿色产业的蓬勃发展、支持环保项目的实施以及实现碳中和目标都具...; 胡晋; 关键词：银行绿色信贷违约

个人信贷违约预测机器学习模型的解释性方法研究: 2024年; 近年来个人信贷业务需求量激增,金融机构利用机器学习模型对客户进行信贷违约预测,预测结果的可解释性影响着金融机构的决策。首先基于机器学习模型LightGBM、XGBoost、CatBoost构建个人信贷违约预测模型,然后通过超参数优化和Voting投票融合方法提升了模型的性能,最后采用置换特征重要性、LIME、SHAP和反事实解释四种解释方法,从全局和局部层面对模型预测结果进行解释性分析,提高了模型的可信度和实用性。; 陈玉沂刘高勇蔡焕仪; 关键词：金融信贷可解释性

基于Transformer编码器和残差网络的信贷违约预测模型: 2024年; 针对传统信贷违约预测模型对高维稀疏类别特征缺乏有效处理,性能受到人工特征工程影响较大的问题,提出一种基于Transformer编码器和残差网络的信贷违约预测模型(TE-ResNet)。该模型首先利用嵌入层对类别特征进行处理,将它们转化为低维度的稠密向量;然后将连续特征和嵌入后的类别特征连接,输入到堆叠的Transformer编码器中进行特征提取,捕捉输入特征之间的关系,得到有用信息的高层特征表示;最后使用结合了通道注意力机制的一维残差网络模型进行违约预测。在训练过程中,模型采用加权交叉熵损失函数,以解决信贷数据不平衡的问题。实验结果表明,与8种主流基准模型的最佳表现相比,TE-ResNet在LendingClub数据集、天池贷款数据集上的各项指标均有提升:AUC指标分别提升了0.58%和2.85%,F1-Score指标分别提升了0.85%和11.92%,G-mean指标分别提升了2.94%和16.19%。TE-ResNet能够提高信贷违约预测的性能,减少人工特征工程,实现端到端的学习。因此,TE-ResNet模型具有实际应用的潜力,并可为信贷业务提供更加精确和可靠的风险评估服务。; 张瑶娜卓佩妍刘自金刘炜宋友; 关键词：TRANSFORMER

相关作者