机器学习技术在银行事后监督系统中的应用研究
近些年来,信息化在银行、保险、证券等领域广泛应用,飞速发展的电子信息技术在给各行业带来极大便利和极高效率的同时,也带来了很高的操作风险,并且容易造成巨大损失.随着我国银行业治理结构改革的不断深化,大部分商业银行为更好的监测和缓释操作风险,提高资本对操作风险的敏感度,都各自建立了自己的事后监督系统,能够对可能发生的风险做到早发现、早处理,然而面对繁杂海量的业务流水、凭证要素等采集信息,传统的识别算法较难有效的完成分类任务和提供预警信息.集成学习是近些年来学术界和工业界都较为关注的一种机器学习模型,通过构建并结合多个学习器来训练学习任务,能够胜任单一学习器所不能完成的分类任务,具有更强的泛化能力.本文结合某商业银行事后监督系统中的实际情况,论述了集成学习在其中发挥的重要作用,同时也为同行业解决同样问题提供了一种新的思路.
集成学习、事后监督系统、随机森林
2019-04-28(万方平台首次上网日期,不代表论文的发表时间)
共2页
17,19