基于多分类器动态集成的P2P违约风险评估

基于多分类器动态集成的P2P违约风险评估

C93; 针对P2P违约风险评估问题,构建基于K均值聚类的多分类器动态集成模型.通过K均值聚类将P2P借贷样本集划分为多个区域,并在每个区域分别构建多个基分类器模型,进行多分类器集成;在给定新的测试样本时,基于样本特征动态选择样本归属区域的基分类器,进行模型集成与违约风险评估.以Lending Club借款数据为例,对网贷违约风险评估进行实证分析表明,基于多分类器动态集成的P2P违约评估模型,比单一模型和静态集成模型的准确性更好,且基于神经网络的动态集成模型效果最好....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:管理学报 2019, Vol.16 (6), p.915-922
Hauptverfasser: 胡忠义, 王超群, 陈远, 吴江, 鲍玉昆
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 922
container_issue 6
container_start_page 915
container_title 管理学报
container_volume 16
creator 胡忠义
王超群
陈远
吴江
鲍玉昆
description C93; 针对P2P违约风险评估问题,构建基于K均值聚类的多分类器动态集成模型.通过K均值聚类将P2P借贷样本集划分为多个区域,并在每个区域分别构建多个基分类器模型,进行多分类器集成;在给定新的测试样本时,基于样本特征动态选择样本归属区域的基分类器,进行模型集成与违约风险评估.以Lending Club借款数据为例,对网贷违约风险评估进行实证分析表明,基于多分类器动态集成的P2P违约评估模型,比单一模型和静态集成模型的准确性更好,且基于神经网络的动态集成模型效果最好.
doi_str_mv 10.3969/j.issn.1672-884x.2019.06.014
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_glxb201906014</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>glxb201906014</wanfj_id><sourcerecordid>glxb201906014</sourcerecordid><originalsourceid>FETCH-wanfang_journals_glxb2019060143</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDM30rWwMKnQMzIwtNQzMNMzMDRhYeCEiUdwMPAWF2cmGRhYGhpZmpiZcTKYPZ2_68muvqdLZj3taHu-cffTmSuedq141tD4cnbbs44Jz2e1BBgFvNg_9_muZS8X972cufLF-pYnezbwMLCmJeYUp_JCaW4GVTfXEGcP3fLEvLTEvPT4rPzSojygTHx6TkUSyDUGZkC3GBOrDgDmnFDN</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于多分类器动态集成的P2P违约风险评估</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>胡忠义 ; 王超群 ; 陈远 ; 吴江 ; 鲍玉昆</creator><creatorcontrib>胡忠义 ; 王超群 ; 陈远 ; 吴江 ; 鲍玉昆</creatorcontrib><description>C93; 针对P2P违约风险评估问题,构建基于K均值聚类的多分类器动态集成模型.通过K均值聚类将P2P借贷样本集划分为多个区域,并在每个区域分别构建多个基分类器模型,进行多分类器集成;在给定新的测试样本时,基于样本特征动态选择样本归属区域的基分类器,进行模型集成与违约风险评估.以Lending Club借款数据为例,对网贷违约风险评估进行实证分析表明,基于多分类器动态集成的P2P违约评估模型,比单一模型和静态集成模型的准确性更好,且基于神经网络的动态集成模型效果最好.</description><identifier>ISSN: 1672-884X</identifier><identifier>DOI: 10.3969/j.issn.1672-884x.2019.06.014</identifier><language>chi</language><publisher>武汉大学信息资源研究中心%华中科技大学管理学院</publisher><ispartof>管理学报, 2019, Vol.16 (6), p.915-922</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/glxb/glxb.jpg</thumbnail><link.rule.ids>314,777,781,4010,27904,27905,27906</link.rule.ids></links><search><creatorcontrib>胡忠义</creatorcontrib><creatorcontrib>王超群</creatorcontrib><creatorcontrib>陈远</creatorcontrib><creatorcontrib>吴江</creatorcontrib><creatorcontrib>鲍玉昆</creatorcontrib><title>基于多分类器动态集成的P2P违约风险评估</title><title>管理学报</title><description>C93; 针对P2P违约风险评估问题,构建基于K均值聚类的多分类器动态集成模型.通过K均值聚类将P2P借贷样本集划分为多个区域,并在每个区域分别构建多个基分类器模型,进行多分类器集成;在给定新的测试样本时,基于样本特征动态选择样本归属区域的基分类器,进行模型集成与违约风险评估.以Lending Club借款数据为例,对网贷违约风险评估进行实证分析表明,基于多分类器动态集成的P2P违约评估模型,比单一模型和静态集成模型的准确性更好,且基于神经网络的动态集成模型效果最好.</description><issn>1672-884X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2019</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDM30rWwMKnQMzIwtNQzMNMzMDRhYeCEiUdwMPAWF2cmGRhYGhpZmpiZcTKYPZ2_68muvqdLZj3taHu-cffTmSuedq141tD4cnbbs44Jz2e1BBgFvNg_9_muZS8X972cufLF-pYnezbwMLCmJeYUp_JCaW4GVTfXEGcP3fLEvLTEvPT4rPzSojygTHx6TkUSyDUGZkC3GBOrDgDmnFDN</recordid><startdate>2019</startdate><enddate>2019</enddate><creator>胡忠义</creator><creator>王超群</creator><creator>陈远</creator><creator>吴江</creator><creator>鲍玉昆</creator><general>武汉大学信息资源研究中心%华中科技大学管理学院</general><general>武汉大学信息管理学院%武汉大学信息管理学院</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2019</creationdate><title>基于多分类器动态集成的P2P违约风险评估</title><author>胡忠义 ; 王超群 ; 陈远 ; 吴江 ; 鲍玉昆</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_glxb2019060143</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2019</creationdate><toplevel>online_resources</toplevel><creatorcontrib>胡忠义</creatorcontrib><creatorcontrib>王超群</creatorcontrib><creatorcontrib>陈远</creatorcontrib><creatorcontrib>吴江</creatorcontrib><creatorcontrib>鲍玉昆</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>管理学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>胡忠义</au><au>王超群</au><au>陈远</au><au>吴江</au><au>鲍玉昆</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于多分类器动态集成的P2P违约风险评估</atitle><jtitle>管理学报</jtitle><date>2019</date><risdate>2019</risdate><volume>16</volume><issue>6</issue><spage>915</spage><epage>922</epage><pages>915-922</pages><issn>1672-884X</issn><abstract>C93; 针对P2P违约风险评估问题,构建基于K均值聚类的多分类器动态集成模型.通过K均值聚类将P2P借贷样本集划分为多个区域,并在每个区域分别构建多个基分类器模型,进行多分类器集成;在给定新的测试样本时,基于样本特征动态选择样本归属区域的基分类器,进行模型集成与违约风险评估.以Lending Club借款数据为例,对网贷违约风险评估进行实证分析表明,基于多分类器动态集成的P2P违约评估模型,比单一模型和静态集成模型的准确性更好,且基于神经网络的动态集成模型效果最好.</abstract><pub>武汉大学信息资源研究中心%华中科技大学管理学院</pub><doi>10.3969/j.issn.1672-884x.2019.06.014</doi></addata></record>
fulltext fulltext
identifier ISSN: 1672-884X
ispartof 管理学报, 2019, Vol.16 (6), p.915-922
issn 1672-884X
language chi
recordid cdi_wanfang_journals_glxb201906014
source 国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
title 基于多分类器动态集成的P2P违约风险评估
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-17T17%3A37%3A17IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%A4%9A%E5%88%86%E7%B1%BB%E5%99%A8%E5%8A%A8%E6%80%81%E9%9B%86%E6%88%90%E7%9A%84P2P%E8%BF%9D%E7%BA%A6%E9%A3%8E%E9%99%A9%E8%AF%84%E4%BC%B0&rft.jtitle=%E7%AE%A1%E7%90%86%E5%AD%A6%E6%8A%A5&rft.au=%E8%83%A1%E5%BF%A0%E4%B9%89&rft.date=2019&rft.volume=16&rft.issue=6&rft.spage=915&rft.epage=922&rft.pages=915-922&rft.issn=1672-884X&rft_id=info:doi/10.3969/j.issn.1672-884x.2019.06.014&rft_dat=%3Cwanfang_jour%3Eglxb201906014%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=glxb201906014&rfr_iscdi=true