小样本数据特征驱动的信用风险分类研究

在金融信用风险控制领 域，冷启动场景下的小样本 问题是制约模型性能提升的 关键。针对这一挑战，本书 聚焦于金融信用风控冷启动 场景中的小样本数据问题， 致力于构建一个具有广泛适 用性的小样本数据信用风险 分类方法论框架。 本书以“数据特征驱动” 为核心思想，提出了一套系 统的小样本数据特征驱动的 信用风险分类框架。在此框 架下，本书基于小样本特征 下不同实例数量与属性数量 特征，将属性数量从少到多 、实例数量从无到少进行划 分，形成五类不同的小样本 ：低维性小样本、混合属性 小样本、高维性小样本、分 布差异小样本和类别非均衡 小样本。 本书对以上五类小样本 问题进行了研究和探讨，并 提出了相应的解决方案。这 些方案通过对真实信用数据 集进行测试，有效提升了模 型的泛化性能。本书的方法 论框架具有广泛适用性，为 小样本数据分类问题提供了 一个新的研究视角。

余乐安，四川大学商学院特聘教授、博士生导师，国际系统与控制科学院院土，国家杰出青年科学基金获得者，首届“万人计划”和中国科学院“百人计划”获得者，主要从事商务智能、大数据挖掘、经济预测与金融管理等研究。主持国家自然科学基金重点项目、国家自然科学基金重大研究计划培育项目、国家自然科学基金青年科学基金项目等多项国家重大课题。出版专著5部，发表SCI、SSCI论文90余篇。获得爱思唯尔（Elsevier）“中国高被引学者”、中国青年科技奖、教育部自然科学奖一等奖和北京市科学技术奖一等奖等称号和荣誉。

第1章 绪论 1.1 研究背景及意义 1.1.1 研究背景 1.1.2 研究目的 1.1.3 研究意义 1.2 国内外研究现状 1.2.1 小样本问题研究现状 1.2.2 信用风险分类问题研究现状 1.2.3 文献评述 1.3 研究内容与研究方案 1.3.1 研究内容与章节安排 1.3.2 研究方案 1.4 创新之处 第2章 理论基础与研究框架 2.1 基本概念 2.1.1 小样本的概念 2.1.2 信用风险分类的概念 2.1.3 数据特征驱动建模 2.2 理论模型介绍 2.2.1 小样本学习的理论模型 2.2.2 信用风险分类的理论模型 2.3 小样本数据特征驱动的信用风险分类研究框架的构建 2.4 本章小结 第3章 基于属性稀缺小样本的信用风险分类研究 3.1 问题背景 3.2 模型构建 3.2.1 数据稀缺性 3.2.2 虚拟样本生成 3.2.3 特征构建 3.2.4 特征选择 3.2.5 模型预测 3.3 实证分析 3.3.1 数据描述 3.3.2 评估准则与实验设计 3.3.3 实验结果与分析 3.4 本章小结 第4章 基于混合属性小样本的信用风险分类研究 4.1 问题背景 4.2 模型构建 4.2.1 虚拟样本生成 4.2.2 粒子群算法 4.3 实证分析 4.3.1 数据描述 4.3.2 评估准则与实验设计 4.3.3 实验结果与分析 4.4 本章小结 第5章 基于高维性小样本的信用风险分类研究 5.1 问题背景 5.2 模型构建 5.2.1 Wasserstein生成对抗网络 5.2.2 混合特征选择方法 5.3 实证分析 5.3.1 数据描述 5.3.2 评估准则与实验设计 5.3.3 实验结果与分析 5.4 本章小结 第6章 基于无有效训练样本的信用风险分类研究 6.1 问题背景 6.2 模型构建 6.2.1 Bagging和随机子空间方法 6.2.2 域自适应方法 6.2.3 多阶段集成学习模型 6.3 实证分析 6.3.1 数据描述 6.3.2 评估准则与实验设计 6.3.3 实验结果与分析 6.4 本章小结 第7章 基于非均衡性小样本的信用风险分类研究 7.1 问题背景 7.2 模型构建 7.2.1 数据生成 7.2.2 MTrAdaBoost模型预测 7.3 实证分析 7.3.1 数据描述 7.3.2 评估准则与实验设计 7.3.3 实验结果与分析 7.4 本章小结 第8章 小样本数据特征驱动的信用风险分类实施与对策建议 8.1 小样本数据特征驱动的信用风险分类实施 8.1.1 信用风险分类指标变量的构建 8.1.2 信用风险分类模型的设计和应用 8.2 小样本数据特征驱动的信用风险分类工作对策建议 8.2.1 信贷业务前期的对策建议 8.2.2 信贷业务中期的对策建议 8.2.3 信贷业务后期的对策建议 8.3 本章小结 第9章 结论与展望 9.1 研究结论 9.2 研究展望 参考文献