基于改进SMOTE的小额贷款公司客户信用风险非均衡SVM分类

摘要：

研究了小额贷款公司对客户进行信用风险评估时面临的问题,构建了信用风险评估指标体系,改进了支持向量机(Support Vector Machine,SVM)对非均衡样本分类时分类超平面偏移的不足.首先分析小额贷款公司业务区域性强、信用数据来源不规范、评价标准不一致等特点,给出用于客户信用风险评估的四个维度指标.针对传统SMOTE算法在处理非均衡数据时对全部少数类样本操作的问题,提出仅对错分样本人工合成的改进思想,给出具体算法步骤.将改进算法用于某小额贷款公司客户信用风险评估案例中,分类精确度较其他算法有所提升,表明该方法的可行性和有效性.

关键词：小额贷款、信用风险、支持向量机、非均衡数据、SMOTE

所属期刊栏目：24

分类号：F830.5;TP391(金融、银行)

资助基金：国家社会科学基金重点项目14AZD049;国家自然科学基金资助项目71171112,71401064;中央高校基本科研业务费专项资金资助NS2014086;广义虚拟经济研究专项GX2013-1017M

在线出版日期：2016-05-11（万方平台首次上网日期，不代表论文的发表时间）

页码：24-30