一种基于层次聚类和模拟退火的选择性集成算法的风控模型研究

摘要：

集成学习模型可有效解决单一模型出现的模型结构单一、稳定性和预测能力弱的问题.但是由于结构复杂,其常出现运行效率低下、存储代价过大等问题,一般使用选择性集成算法优化集成学习模型来解决这些问题.目前提出的选择性集成算法仍存在运行效果和效率提升不够明显的现象.为解决这些问题,提出一种基于Stacking集成框架的选择性集成算法,算法主要使用了凝聚型层次聚类(AHC)算法和模拟退火的Metropolis准则对基学习器的种类和个数进行筛选.在实证分析方面,分别使用了国内外网贷对模型进行搭建.实验结果证明,AHC-Metropolis选择性集成模型可有效提升计算效率、预测能力、稳定性和泛化能力,有助于规范互联网金融行业秩序,协助开展金融监管任务,为建立我国金融风控管理体系和保障国家金融安全提供有效依据.

关键词：层次聚类、模拟退火、选择性集成、金融风控

所属期刊栏目：49

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;中央财经大学科技项目;中央财经大学科技项目

在线出版日期：2023-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：189-195