科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
