粒化計算於信用放款風險評估之應用

檔案

本條目沒有附加檔案。

日期

2011

摘要

財務風險資料多具有類別不平衡的問題,傳統分類器面對此種資料類型,容易將所有資料歸類至多數類別之中,導致產生對所有資料的判別準確率高,但對少數類別的判別準確率卻非常低的模型。中外文獻已提出多種方法建構評估信用放款風險的模型,但大多數研究在建構模型時均以對資料抽樣或增生的方法改變兩類別資料的數量,使得模型受建模樣本的影響很大,甚至可能導致模型失準。本計畫提出以粒化計算的方法建構信用放款風險評估模型,在建模時不需因為抽樣而捨棄資料,而改以對資訊粒化的方式解決類別不平衡的問題。在粒化計算的方法方面,本計畫提出一個在粒化計算中用於衡量資訊粒化程度的新指標,以改進現行方法對資訊粒化程度的評估方式,進而提高分類器對於少數類別的辨識能力。本計畫並使用台灣某金融機構借貸實際案例進行驗證,由驗證結果可知,本研究所提出的方法確實具有良好的分類準確率,並可解決類別不對稱資料型態分類問題。本計畫將所建構的信用放款風險評估模型整理於EXCEL介面,利用VBA語言所撰寫之程式匯整資料,使得決策者可直接於Excel工作表中進行資料運算與整理,實用價值高。

所屬典藏

研究計畫
顯示完整詮釋資料 統計資料