基于自適應(yīng)LASSO變量選擇的Logistic信用評分模型研究.pdf

1、本文主要研究的是信用評分模型中的變量選擇問題，變量選擇不僅是建模過程中需要考慮的問題，也是統(tǒng)計學研究中很重要的問題之一。在建模中不僅要確保選擇的變量集合能反映所要研究的對象特性，還要保證得到的結(jié)果具有較好的擬合性和預測性。
　　本文主要工作如下:
　　一系統(tǒng)介紹了變量選擇的方法:子集選擇法和系數(shù)壓縮法。子集選擇法包括AIC值、BIC值和逐步回歸法，系數(shù)壓縮法包括嶺回歸、LASSO以及白適應(yīng)LASSO。分析了信用評分模型的發(fā)展

2、，變量選擇在信用評分模型建立中的關(guān)鍵作用，以及國內(nèi)外研究現(xiàn)狀。
　　二研究了Logistic模型的自適應(yīng)LASSO變量選擇和參數(shù)估計，核心是討論將變量的信息價值作為自適應(yīng)LASSO的懲罰項權(quán)重，以及證明其得到的參數(shù)估計量具有Oracle性質(zhì)。由此構(gòu)建了基于信息權(quán)重的Logistic信用評分模型。
　　三進行了實證分析，主要通過對深交所148家中小企業(yè)以及30個信用指標體系變量進行以信息價值為懲罰項權(quán)重的自適應(yīng)LASSO變量選

3、擇，建立Logistic信用評分模型，并利用發(fā)生比率來解釋估計量的含義，并對選擇的變量進行經(jīng)濟意義檢驗，可知模型包含的變量基本涵蓋了企業(yè)的各項能力指標。最后并通過對比逐步回歸法和LASSO兩種變量選擇法建立的logistic信用評分模型，利用ROC曲線、KS值、WGRP和CIER指標來比較驗證三種模型的風險區(qū)分能力和估計準確性，得到自適應(yīng)LASSO建立的Logistic模型要好于其他兩種方法得到的模型，也表明了包含信息價值的自適應(yīng)LAS