基于差分进化自动聚类的信用风险评价模型研究

doi:10.16381/j.cnki.issn1003-207x.2015.04.005

中国管理科学 ›› 2015, Vol. 23 ›› Issue (4): 39-45.doi: 10.16381/j.cnki.issn1003-207x.2015.04.005

基于差分进化自动聚类的信用风险评价模型研究

张大斌^1,2, 周志刚¹, 许职¹, 李延晖¹

1. 华中师范大学信息管理学院, 湖北武汉 430079;
2. 华南农业大学数学与信息学院, 广东广州 510642

收稿日期:2013-11-15 修回日期:2014-02-02 出版日期:2015-04-20 发布日期:2015-04-24
作者简介:张大斌(1969-), 男(汉族), 湖北潜江人, 华中师范大学信息管理学院, 教授, 博士, 研究方向:经济与社会预测预警、商务智能, 信息系统等.
基金资助:
湖北省自然科学基金创新群体项目(2011CDA116);国家自然科学基金资助项目(70971052);华中师范大学自主科研资助项目(CCNU14Z02016)

Study on Credit Risk Assessment Model Based on Automatic Clustering Using an Differential Evolution Algorithm

ZHANG Da-bin^1,2, ZHOU Zhi-gang¹, XU Zhi¹, LI Yan-hui¹

1. School of Information Management, Central China Normal University, Wuhan 430079, China;
2. College of Mathematics and Information, South China Agricultural University, Guangzhou 510642, China

Received:2013-11-15 Revised:2014-02-02 Online:2015-04-20 Published:2015-04-24

摘要/Abstract

摘要： 随着风险评价的日益复杂化, 多维度、多时序等不规则的样本数据增加了评估的难度。本文建立信用风险评价的差分进化自动聚类模型, 并将其应用到我国上市公司信用风险评价中。该模型不要求事先知道分类的数据, 相反, 通过群体智能去寻找最优的分区。通过数据仿真, 并与遗传算法、决策树、BP神经网络模型进行信用风险评价的实证对比研究, 结果表明, 该模型能够非常准确的找到数据对应的分区, 大大提高了信用评估的准确性, 降低了风险成本, 对信用风险的管理和控制具有很高的利用价值。

关键词: 差分进化, 启发式搜索, 群体智能, 信用风险

Abstract: With the increasing complexity of risk assessment, multi-dimensional, multi-timing and other irregular sample data increases the difficulty of the assessment. In this paper, the establishment of credit risk evaluation of differential evolution automatic clustering model is applyed to our assessment of the credit risk of listed companies. The prior knowledge of classified data is not required in this model, on the contrary, swarm intelligence is used to find the optimal partition. By data simulation and empirical comparative study of credit risk assessment and genetic algorithms, decision tree, BP neural network model, the results show that the model can be very accurately to find the corresponding data partition, which greatly improving the accuracy of the credit assessment, reducing the cost of risk, making a high value of credit risk management and control.

Key words: differential evolution, heuristic search, swarm intelligence, credit risk

中图分类号:

F830

张大斌, 周志刚, 许职, 李延晖. 基于差分进化自动聚类的信用风险评价模型研究[J]. 中国管理科学, 2015, 23(4): 39-45.

ZHANG Da-bin, ZHOU Zhi-gang, XU Zhi, LI Yan-hui. Study on Credit Risk Assessment Model Based on Automatic Clustering Using an Differential Evolution Algorithm[J]. Chinese Journal of Management Science, 2015, 23(4): 39-45.

参考文献

[1] Thomas L C, Edelman D B, Crook J N. Credit scoring and its applications [M].Philadelphia, PA:SIAM, 2002.

[2] Hand D J, Henley W E. Statistical classification methods in consumer credit scoring:A review[J]. Journal of the Royal Statistical Society:Series A, 1997, 160(3):523-541.

[3] Martin D.Early warning of bank failure:A logit regression approach[J]. Journal of Banking and Finace, 1977, 1(3):249-276.

[4] 陈静.上市公司财务恶化预测的实证分析[J]. 会计研究, 1999, (4):31-38.

[5] 唐晓岸, 孟庆福.上市公司信用评价模型[J]. 预测, 2002, 21(2):39-43.

[6] West D.Neural network credit scoring models[J]. Computer& Operations Research, 2000, 27(11):1131-1152.

[7] 杨雨, 史秀红.个人信用风险计量:双边抗体人工免疫概率模型[J]. 系统工程理论与实践, 2009, 29(12):88-93.

[8] 姚奕, 叶中行.基于支持向量机的银行客户信用评估系统研究[J]. 系统仿真学报, 2004, 16(4):783-786.

[9] Huang C L, Chen Muchen, Wang C J. Credit scoring with data mining approach based on support vector machines[J]. Expert Systems and Applications, 2007, 33(4):847-856.

[10] 张大斌, 王婧, 刘桂琴, 等. 模糊自适应遗传算法[J]. 计算机工程与设计, 2008, 29(18):4783-4788.

[11] Storn R, Price K. Differential evolution-a simple and efficient adaptive scheme for global optimization over continuous spaces[M]. Berkeley:ICSI, 1995.

[12] Storn R, Price K.Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces[J]. Journal of Global Optimization, 1997, 11(4):341-359.

[13] Das S, Abraham A, Konar A. Automatic clustering using an improved differential evolution algorithm[J]. IEEE Transactions on Systems, Man and Cybernetics-Part A:Systems and Humans, 2008, 38(1):218-236.

[14] 潘章明. 一种改进的差分进化自动聚类算法[J]. 计算机仿真, 2010, 27(11):69-72.

[15] Bandyopadhyay S, Maulik U. Genetic clustering for automatic evolution of clusters and application to image classification[J]. Pattern Recognit, 2002, 35(6):1197-1208.

[16] Omran M, Salman A, Engelbrecht A. Dynamic clustering using particle swarm optimization with application in unsupervised image clas sification[J]. Pattern Analysis and Applications, 2006, 8(4):332-344.

[17] Blake C, Keough E, Merz C J. UCI repository of machine learning database[DB/OL]. 1998. http://www.ics.uci.edu/mlearn/MLrepository.html.

[18] Pal S K, Majumder D D. Fuzzy sets and decision making ap-proaches in vowel and speaker recognition[J]. IEEE Trans.Syst, Man, Cybern., 1977, 7(8):625-629.

[19] 张洪祥, 毛志忠. 基于多维时间序列的灰色模糊信用评价研究[J]. 管理科学学报, 2011, 14(1):28-37.

[20] 陈元燮. 建立信用评级指标体系的几个理论问题[J]. 财经问题研究, 2000, (8):3-8.

[21] 郭军华, 李帮义. 基于FC和VPRS的信用风险评价研究[J]. 预测, 2009, 28(5):32-37.

[22] Fisher R A. The use of multiple measurements in taxonomic problems[J].Annals of Eugenics, 1936, (7):179-188.

基于差分进化自动聚类的信用风险评价模型研究

Study on Credit Risk Assessment Model Based on Automatic Clustering Using an Differential Evolution Algorithm

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	李惠,王熙,左治亚. 多目标下航天产品生产车间柔性资源配置与调度集成优化[J]. 中国管理科学, 2024, 32(10): 146-155.
[2]	陈庭强, 王杰朋, 杨晓光. 双层耦合网络下CRT市场交易对手信用风险传染演化模型研究[J]. 中国管理科学, 2023, 31(4): 260-274.
[3]	李成刚, 贾鸿业, 赵光辉, 付红. 基于信息披露文本的上市公司信用风险预警——来自中文年报管理层讨论与分析的经验证据[J]. 中国管理科学, 2023, 31(2): 18-29.
[4]	顾婧,胡雅亭. 中小企业财务困境与上游供应商信用风险：一损俱损？[J]. 中国管理科学, 2023, 31(12): 23-33.
[5]	郭伟栋, 周志中, 乾春涛. 手机App列表信息在信用风险评价中的应用——基于互联网借贷平台的实证研究[J]. 中国管理科学, 2022, 30(12): 96-107.
[6]	谢小凤, 杨扬, 张凤英, 胡秀英, 周宗放. 多重关联关系下供应链上关联信用风险的传染效应[J]. 中国管理科学, 2021, 29(9): 77-89.
[7]	李建斌, 蒙铭友, 戴宾. 电子商务环境下的存储策略优化研究:固定存储还是分类随机存储[J]. 中国管理科学, 2021, 29(8): 67-80.
[8]	王小燕, 张中艳, 马双鸽. 基于文本先验信息的贷款信用风险评估模型[J]. 中国管理科学, 2021, 29(5): 34-44.
[9]	徐凯, 周宗放, 钱茜. 考虑双重传播路径的关联信用风险传染机理研究[J]. 中国管理科学, 2021, 29(3): 49-58.
[10]	董路安, 叶鑫. 基于改进教学式方法的可解释信用风险评价模型构建[J]. 中国管理科学, 2020, 28(9): 45-53.
[11]	朱晓谦, 李建平. 相关性下的银行风险集成研究综述[J]. 中国管理科学, 2020, 28(8): 1-14.
[12]	陈庭强, 周文静, 童毛弟, 刘海飞. 融合CDS网络的银行间信用风险传染模型研究[J]. 中国管理科学, 2020, 28(6): 24-37.
[13]	钱茜, 徐凯. 企业家社交关系对关联信用风险传染影响的研究——基于双层网络视角[J]. 中国管理科学, 2020, 28(11): 35-42.
[14]	钱茜, 周宗放, 李永奎. 管控策略对关联企业网络稳定状态的影响——基于关联信用风险传染的视角[J]. 中国管理科学, 2019, 27(6): 21-29.
[15]	张亦春, 陈华, 郑晓亚. 中国企业部门信用风险溢价期限结构与宏观经济因子[J]. 中国管理科学, 2019, 27(5): 1-10.