符号序列多阶Markov分类在银行客户风险预测中的应用  

作　　者：程铃钫[1] 陈黎飞[2] 赖晓燕[1] 林燕[1] 

机构地区：[1]福建农林大学金山学院,福建福州350002 [2]福建师范大学数学与计算机科学学院,福建福州350117

出　　处：《新型工业化》2022年第1期8-12,30,共6页The Journal of New Industrialization

基　　金：2020年福建省教育厅中青年教师教育科研项目(项目编号:JXT200987);2020年福建省教育科学“十三五”规划课题(项目编号:FJJKCG20-107);2019年福建省教育科学“十三五”规划课题(项目编号:FJJKCG19-115)。

摘　　要：在金融行业突飞猛进发展的今天,为提高银行业务水平和运营收益,正确预测银行客户风险是一项非常重要的风险管理任务。目前国内尚未研究出与国情相匹配的完整模型,所以银行在应用模型时时常遇到亟待改进的局限。本文提出基于多阶马尔科夫模型符号序列贝叶斯分类新方法。新分类器的训练算法既可以学习各种符号不同阶次的条件概率,还可以优化不同阶次的权重,且为验证新分类器有效性,我们在三个实际应用领域的序列集上开展实验,并验证了其对预设阶数n是鲁棒的。新分类器通过使用多阶马尔科夫模型加权机制,可抵消错误模型阶数对分类器性能的影响,得出可在不同应用领域的实际序列集上取得高质量的分类结果。

关 键 词：符号序列 马尔科夫链模型 贝叶斯分类 加权机制 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]