×

贝叶斯加性分类树应用于信用风险建模。 (英文) Zbl 1464.62196号

摘要:我们提出了一种新的基于贝叶斯“和树”模型的非线性分类方法,即贝叶斯加性分类树(BACT),它将贝叶斯加法回归树(BART)方法扩展到分类上下文中。与BART一样,BACT是一个由先验和似然指定的贝叶斯非参数可加模型,其中可加成分是树,并通过迭代MCMC算法进行拟合。每棵树学习基础函数的不同部分,将因变量与输入变量联系起来,但树的总和提供了一个灵活而稳健的模型。通过几个基准示例,我们表明BACT表现出优异的性能。我们应用BACT技术对企业是否会破产进行分类。这个实例对于银行构建风险预测并成功运营非常重要。我们使用德国信贷改革数据库,根据财务报表信息对德国企业的偿付能力状况进行分类。我们表明,BACT是logit模型、CART、支持向量机、随机森林和梯度增强的有力竞争者。

MSC公司:

62-08 统计问题的计算方法
62小时30分 分类和区分;聚类分析(统计方面)
62P05号 统计学在精算科学和金融数学中的应用
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[2] 贝里,M。;Linoff,G.,《掌握数据挖掘》(2000),John Wiley and Sons
[3] Breiman,L.,《随机森林》,机器学习,5-32(2001)·兹比尔1007.68152
[4] 布雷曼,L。;弗里德曼,J.H。;Olshen,R.A。;Stone,C.J.,《分类和回归树》(1984),CRC出版社·Zbl 0541.62042号
[6] Chipman,H.A。;E.I.乔治。;McCulloch,R.E.,贝叶斯CART模型搜索,美国统计协会杂志,935-948(1998)
[8] Denison,D。;马利克,B。;Smith,A.,贝叶斯CART算法,生物特征,363-377(1998)·Zbl 1048.62502号
[9] 埃夫隆,B。;哈斯蒂,T。;约翰斯通,I。;Tibshirani,R.,最小角度回归,《统计年鉴》,407-499(2004)·Zbl 1091.62054号
[10] 埃夫隆,B。;Tibshirani,R.J.,《Bootstrap简介》(1993),查普曼和霍尔出版社·Zbl 0835.62038号
[11] 恩格尔曼,B。;海登,E。;Tasche,D.,测试评级准确性,风险,82-86(2003)
[12] 弗伦德,Y。;Schapire,R.,《在线学习的决策理论概括及其在助推中的应用》,《计算机与系统科学杂志》,119-139(1997)·Zbl 0880.68103号
[13] Friedman,J.H.,《贪婪函数近似:梯度提升机器》,《统计年鉴》,1189-1232(2001)·Zbl 1043.62034号
[14] Friedman,J.H.,《随机梯度增强》,计算统计与数据分析,367-378(2002)·Zbl 1072.65502号
[15] 盖尔曼,A。;Carlin,J.B。;斯特恩,H.S。;鲁宾,D.B.,贝叶斯数据分析(1995),查普曼和霍尔
[16] 哈斯蒂·T·J。;Tibshirani,R.J.,广义加法模型(1990),查普曼和霍尔·Zbl 0747.62061号
[17] Sobehart,J。;Keenan,S.,准确衡量违约风险,风险,信贷风险特别报告,14,31-33(2001)
[18] Sobehart,J。;基南,S。;Stein,R.,《量化违约风险模型基准:验证方法》,《阿尔戈研究季刊》,2001年第4期,第1/2期,第57-72页
[19] Tanner,医学硕士。;Wong,W.H.,《通过数据增强计算后验分布(讨论)》,《美国统计协会杂志》,528-550(1987)
[20] Vapnik,V.,《统计学习理论的本质》(1995年),Springer:Springer New York,NY·Zbl 0833.62008号
[21] Vapnik,V.,《统计学习理论》(1997),威利出版社:纽约州威利出版社·Zbl 1436.62712号
[22] 吴,Y。;Tjelmeland,H。;West,M.,Bayesian CART:先验规范和后验模拟,《计算与图形统计杂志》,16,1,44-66(2007)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。