吴见彬
- 作品数：7 被引量：719H指数：4
- 供职机构：比利时鲁汶大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家社会科学基金全国统计科学研究计划项目更多>>
- 相关领域：经济管理理学社会学更多>>
- 住房贷款违约风险与利率政策模拟研究
- 首次把改进后的非参数随机森林(RF)方法应用到抵押贷款信用风险的评估中，发现要优于传统的信用评估logistic等模型，而且避免了logistic难以处理属性类变量等缺陷。实证发现职“已偿还比例”是最重要的变量，其中贷款...
- 方匡南吴见彬朱建平谢邦昌
- 关键词：住房抵押贷款信用风险
- 信贷信息不对称下的信用卡信用风险研究--基于非参数随机森林模型的实证分析
- 信用卡市场具有信贷信息不对称的特征，是信用卡风险产生的主要原因之一。在信贷信息不对称下，如何利用统计分析、数据挖掘等高新技术，建立可靠的分析模型，对信用卡用户的行为进行风险识别和预测具有非常重要的意义。本文首次把非参数随...
- 方匡南吴见彬谢邦昌
- 关键词：信息不对称信用卡信用风险
- 个人住房贷款违约预测与利率政策模拟被引量：19
- 2013年
- 本文首次构建了基于非参数随机森林(Random Forest,RF)的住房贷款违约风险评估模型,利用某大型银行个人住房贷款数据,研究了借款人特征、贷款特征、房产特征和经济文化特征等因素对贷款违约的影响。实证研究发现已偿还比例、利率、贷款收入比、额度等是贷款违约最重要的影响因素,并且RF方法的预测准确率明显高于logistic模型等其他方法。此外,本文还研究了利率调整对贷款违约的影响,发现利率对违约率的影响是负方向的,且呈不对称性和非线性。
- 方匡南吴见彬
- 关键词：个人住房贷款违约预测
- 信贷信息不对称下的信用卡信用风险研究被引量：62
- 2010年
- 信用卡市场具有信贷信息不对称的特征,是信用卡风险产生的主要原因之一。在信贷信息不对称条件下,如何利用统计分析、数据挖掘等高新技术,建立可靠的分析模型,对信用卡用户的行为进行风险识别和预测,具有非常重要的意义。本文首次把改进后的非参数随机森林分类(RFC)方法应用到信用卡信用风险的评估中,并和其他模型进行比较,发现非参数随机森林方法往往要优于基准的Logitic模型和SVC模型。实证发现职业、年龄、家庭人口数、月刷卡额、学历、家庭月收入对信用风险有显著影响,而性别、婚姻状况等对信用风险影响不显著。
- 方匡南吴见彬朱建平谢邦昌
- 关键词：信息不对称信用卡信用风险
- 信息不对称下的银行零售信用风险研究——基于非参数随机森林
- 近年来零售信贷业务发展迅猛，已经成为国内众多商业银行重点争夺的领域。与对公业务相比，零售业务呈现出客户量大但人均交易额小的特点，若使用人工逐户逐笔的方式进行审批和监管，不仅经营成本高业务效率低，还会出现人工评价标准不统一...
- 吴见彬
- 关键词：银行零售业务信用风险信息不对称
- 文献传递
- 随机森林方法研究综述被引量：638
- 2011年
- 随机森林(RF)是一种统计学习理论,它是利用bootsrap重抽样方法从原始样本中抽取多个样本,对每个bootsrap样本进行决策树建模,然后组合多棵决策树的预测,通过投票得出最终预测结果。它具有很高的预测准确率,对异常值和噪声具有很好的容忍度,且不容易出现过拟合,在医学、生物信息、管理学等领域有着广泛的应用。为此,介绍了随机森林原理及其有关性质,讨论其最新的发展情况以及一些重要的应用领域。
- 方匡南吴见彬朱建平谢邦昌
- 基于随机森林的保险客户利润贡献度研究被引量：13
- 2014年
- 本文通过引入责任准备金,提出了新的保险客户利润贡献度公式,综合考虑了历史购买行为和未来可预见的现金流,更有效地度量客户的真实贡献。此外,本文首次把非参数随机森林回归法应用到保险客户利润贡献度预测中,并和其他模型进行比较,发现非参数随机森林方法往往要优于传统的类神经网络、CART和SVC等模型。实证研究发现:利用客户的年龄、性别、地区、职业、婚姻状况等变量能较准确地预测客户利润贡献度,避免了复杂的精算过程,同时还能评估潜在客户的利润贡献度。
- 方匡南吴见彬谢邦昌
- 关键词：保险业
