文献类型：期刊文章

作　　者：何晓群[1,3] 夏利宇[2,3] 姜天英[3]

HE Xiao-qun;XIA Li-yu;JIANG Tian-ying(School of Mathematics and Statistics,Ankang University,Shaanxi xi'an 725000,china;State Grid Energy Research Institute,beijing 102209;Center for Applied Statistics,Renmin University of China,beijing 100872,China)

机构地区：[1]安康学院数学与统计学院,陝西西安725000 [2]中国人民大学应用统计科学研究中心,北京102209 [3]国网能源研究院有限公司,北京100872

出　　处：《数理统计与管理》

基　　金：教育部人文社会科学重点研究基地重大项目(15JJD910002)

年　　份：2019

卷　　号：0

期　　号：5

起止页码：812-822

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：征信数据中的客户往往呈现'好多坏少'的不平衡结构,这种结构使得一般的分类模型在预测客户信用表现时失效。本文基于零膨胀计数模型的建模思想,分别提出处理因变量为二分类变量、多分类变量、计数变量的零膨胀信用评级模型(ZICSM),将客户结构拆分为稳定好客户、不稳定好客户和坏客户三个部分,利用模型自身优势形成严谨和宽松的两套贷款审批机制。ZICSM模型对目标函数进行权数调整,使模型更加关注'坏'客户,在目标函数中加入惩罚项,使模型具备组变量选择功能。此外,本文提出兼顾风险把控和市场份额的RS得分指标,借以评价信用评级模型的分类效果。模拟研究和实证研究的结果表明,ZICSM模型能够提升金融机构的贷款收益,增加其审批机制的灵活性,适用于处理征信数据的不平衡问题。

关 键 词：信用评级模型 不平衡数据 零膨胀模型  特征选择  RS得分  

分 类 号：F832.4[金融学类]