基于文本先验信息的贷款信用风险评估模型

摘要：

本文利用现有信用风险研究所蕴含的信息,构建了一个新的贷款信用风险评估模型—PIPL.该模型先通过文本挖掘技术对现有研究进行文本信息搜集,得到关于信用风险指标的先验词频以体现指标的重要性,再通过惩罚变量选择法将先验词频量化为先验因变量,最后基于先验因变量和原始数据构建模型,并通过弹性网筛选风险指标.模拟分析显示PIPL模型能自动识别先验信息的质量,当先验信息质量高时,它赋予先验信息较高的权重,从而改进了指标选择和分类效果,当先验信息质量较低时,它能自动降低先验因变量在模型中的权重,表现出稳健的分类效果.实证分析从知网挖掘123篇文献获取文本信息,并以P2P网贷数据为例,发现PIPL模型通过先验信息提高了分类的准确性,并表现出了良好的稳健性.

关键词：文本信息、Logistic回归、弹性网、贷款信用风险

所属期刊栏目：29

分类号：F830.5(金融、银行)

资助基金：国家自然科学基金资助项目;教育部人文社科青年项目;湖南省社会科学成果评审委员会项目;江苏省自然科学基金青年资助项目

在线出版日期：2021-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：34-44