含图结构的GR-LDA方法及其信用违约预警应用

摘要：

信用风险管理关乎信贷行业的生存,风险指标筛选是其中的核心内容,已有研究发现指标间的关联信息有利于改进指标选择.为此,本文基于复杂网络理论建立了指标的图结构以体现其相关性信息,并将图结构与L0惩罚方法相结合,建立一个线性判别分析(GR-LDA)模型实现指标筛选.理论上证明了模型的损失函数可转化为最小二乘函数,因而求解十分便利.模拟分析显示,对比Lasso-LDA方法、Lo-LDA方法、弹性网Logistic和Lasso-SVM,模型在变量选择方面和分类精度上具有一定的优势.图结构能够显著改进模型分类预测和指标选择能力,且随着指标间相关性增强,图结构的优势更加明显.最后将模型应用于P2P网贷数据分析,发现GR-LDA方法的预测评价表现良好,同时模型识别到了网络图中的重要指标.

关键词：线性判别分析;惩罚变量选择;图结构;信用违约

所属期刊栏目：38

分类号：C812(统计方法)

资助基金：国家自然科学基金青年项目"零膨胀数据的两部模型及在贷款违约风险中的应用";湖南省社会科学成果评审委员会项目

在线出版日期：2021-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：140-152