摘要
保险信用评价往往涉及定性信息和定量信息。本文提出了一个统一的框架来综合和聚合它们。准确的对保险业流程进行评估与预测对经济和社会都具有重要意义,许多银行部门正在研究一种用于保险信用评估的自动决策系统。因此,许多自动信用评估系统已被提出。在这个框架系统中,定性信息用语言标签或表达式表示,定量信息用数值表示。语言表达的语义由定义在有限语言标号集合上的语义相似关系来描述。通过将语言表达转化为语言标签集合上的语义相似度分布,从而得到语义评分。然后,利用加权平均运算将定性评价结果转化后的语义得分与定量信息进行聚合。该方法自然地解决了定性描述和定量描述之间的语义鸿沟,在金融市场的风险评估和信用评价中具有潜在的应用价值。当主观角度去处理时,这种系统就会变得有争议,因为评估可能容易出现人为错误。最近,为了克服这一问题,一些信用风险评估的自动化系统被开发出来。大多数发达的系统只关注信贷决策,忽视了系统的透明度;然而,许多案例要求信贷决策的透明度,以使金融机构和潜在客户都受益。为此,本文提出了一种一种信用风险评估透明决策支持系统(TDSSCRE),该系统利用神经网络中的分类和误分类数据提取白盒神经模型规则,从金融数据中生成规则。对规则进行调整和删减,以帮助决策支持系统变得透明。最后,这个具有简明规则的透明决策支持系统以显著的预测精度证明了为什么申请被批准/拒绝的决定。该决策系统在3个信用风险数据集上进行了10倍交叉验证。实验结果表明,所提出的决策系统可以产生准确和合理的分类规则。并将该决策系统与现有的两种规则提取模型进行了比较。
出处
《全国流通经济》
2020年第34期139-141,共3页
China Circulation Economy
