基于选择性集成的违约预测模型设计

摘要

违约预测是银行面对企业贷款时必须要进行的工作。统计方法和人工智能技术已深入探讨研究这个问题。大多数研究人员为特定的数据集使用不同的技术性能比较预测。但是，不同技术在处理不同的数据集时有不同的优缺点。最近的研究表明，结合多分类器可以得到更好的结果。然而，这样一个集合通常不仅继承优势的不同的分类，而且还继承了这些分类的缺点。rn 本文提出了三个分类的选择性集成，即决策树、BP神经网络和支持向量机。基于违约和不违约的预期概率，提出了继承不同的分类技术优点，避免其缺点的方法思路。理论上可以证明，此选择性集成的预测准确性优于其它权重或投票集成。