博士论文合集-基于机器学习的企业信用风险预测模型和研究

本文汇总了5篇关于个人信用风险预测的博士论文研究，聚焦机器学习与大数据技术在金融风控领域的应用。刘帅祺的研究提出基于异质集成学习的客户细分模型和FOMBRF算法；杨德杰探索了深度学习在银行大数据环境下的信用评估；李伟构建了针对信用卡、消费信贷和P2P借贷的违约预测方法；张万军开发了结合随机森林与逻辑回归的CreditNet模型。研究均涉及数据不均衡、高维特征等挑战，创新性地运用集成学习、迁移学习等

摘要：文章介绍了一款企业级建模实验平台，旨在解决信用风控、反欺诈等场景中机器学习模型筛选耗时耗力的问题。该平台具备三大核心优势：1）内置28个主流机器学习模型并持续更新，覆盖经典到前沿算法；2）通过多线程并行调度和智能资源分配实现秒级建模，8秒可完成28个模型训练；3）自动汇总结果并生成专业可视化图表，支持一键导出报告。平台将传统数天的模型对比流程压缩至秒级，让数据科学家聚焦高价值工作。

【摘要】Toby老师团队复现了《柳叶刀》子刊EClinicalMedicine（IF=10.0）发表的慢性肾病(CKD)预测模型研究。该研究利用21,434例多中心临床数据，通过机器学习开发出基于常规血检/尿检的早期CKD预测工具。XGBoost模型在"基础信息+血尿常规"组合下表现最优（AUC 0.9235），显著优于其他算法。研究创新性采用SHAP方法实现模型可解释性，并开

这篇公众号文章介绍了姜富伟等学者2024年在《计量经济学报》发表的高分论文《深度学习与企业债券信用风险》。研究针对中国债券市场违约风险上升的现状，创新性地提出基于生成对抗网络(GAN)的CDL深度学习模型，通过生成模型与判别模型的对抗训练，显著提升了信用风险预测精度。该模型在MAE等指标上优于9种传统模型，尤其擅长识别高风险债券特征。研究涵盖了1245个宏观、企业和债券特征变量，为AI+金融风控提

糖尿病肾病患者精准预测模型 机器学习+SHAP！IF10.6期刊复现！

本文探讨了中国金融市场中的多头借贷现象及其风险管控。多头借贷指借款人从多家机构同时借款，导致信用风险叠加、还款压力增大。数据显示，多头借贷用户逾期风险是普通用户的3-4倍，居民负债率十年间从33.3%升至63.4%。文章提出基于机器学习的风险预测模型构建方法（AUC>0.8），涵盖数据收集、特征选择、模型训练等步骤，并展示了重庆未来之智有限公司的真实银行样本数据分析结果（16%用户存在多头借

本文汇总了21篇金融风控领域的期刊论文和专利复现研究，涵盖信用评分、供应链金融、贷款违约预测等多个热点方向。其中包含5篇顶刊研究（如《征信》《中央财经大学学报》等）、3篇985/211高校硕博论文、1篇算法专利文章以及多个期刊配套算法优化案例。研究亮点包括：1）采用模糊C均值聚类和决策树提升信用评分模型性能；2）基于Stacking融合模型优化贷款违约预测；3）应用LIME和SHAP技术增强机器学

摘要：本文基于西南财经大学硕士论文《基于机器学习的公司债券违约风险估计》，探讨了运用财务指标和机器学习模型评估债券违约风险的方法。研究通过SPSS和Python工具，采用决策树、LightGBM等算法，构建了信用风险评估模型，实证结果显示模型AUC值超过0.8，KS统计量大于0.4，具有良好的风险区分能力。论文创新性地将财务指标与机器学习结合，为债券投资决策提供了量化依据，同时验证了数据清洗和降维

摘要：本文探讨了机器学习模型在房地产企业债务风险预警中的应用价值。研究发现，传统财务分析方法存在滞后性、片面性等局限，而机器学习模型通过整合多维数据、捕捉非线性关系，能够更早更精准地识别风险信号。研究展示了模型构建的关键步骤，并通过案例验证了其预警效果，指出人机协同将成为未来风险管理的趋势。该研究为投资者、金融机构和企业提供了更敏锐的风险预警工具，具有重要的实践意义。