网络担保贷款违约预测

，n}。4） 通过函数Di=D（x，xi）=D（x，xi）σ对距离进行规格化∈ [0，1]。然后用核函数K（·）将Di转换为权重wi=K（Di）。5） 计算总加权类标签。设为预测类标签；我们有两种方法来进行估计。对于分类方法，我们有y=maxrPxi∈NwiI（y+i=r）对于回归方法y=Pxi∈NwiyiPxi∈北威。估算Pg（A | x）：违约的可能性从x扩散到A。一旦被担保人违约，将在过滤记录表x中添加一个标签列，如图5（b）所示。标签值由其担保人在给定时间窗口ω内的情况决定。如果担保人违约，此被担保人记录的标签将设置为1，否则设置为0。我们从担保人到被担保人提取边缘特征，包括担保金额、贷款金额、被担保人程度、担保人程度和双方的基本公司注册信息。我们应用P-WKNN来训练扩散概率。对于新的保证关系，我们找到其k个最近正邻域，然后按照P-wkNN算法估计值。图5：（a）。典型的担保网络。（b） 。左图为贷款担保网络表X。D、 做出预测。在实践中，借款人可能有一个或多个担保人，形成一组有向无环图，如图5（a）所示。监管部门禁止在担保网络中使用循环图。违约风险概率直接从借款人扩散到担保人，这意味着概率更新需要遵循信号导向的依赖链。如图5所示，节点B既可以是借款人，也可以是担保人。如果我们想要获得节点B的默认概率，我们需要提前计算节点E和节点D。节点D同时是从属节点E。

所有这些都使得更新路径更加复杂。算法1 d阶扩散近似输入：Ps（A），Pg（A | x）和阶数d.1：初始化：2：P（A）← 03：表X← （x，A，Ps（A），Pg（A | x））4：程序乐趣（A，d）5：如果d=0或Aoutdegree=0，则返回Ps（A）7：否则ifPi∈1： mP（A | xi）=0然后8：返回Ps（A）9：else10：对于Od中的每个x（A）do11：返回乐趣（x，d- 1） 因此，我们设计了一个d阶风险扩散算法来预测违约风险。这是一种基于BFS（广度优先搜索）的递归算法。首先，给定历史事件流，我们估计Ps（A）和Pg（A | x），如第4.3节所述，设置超参数d，即网络担保贷款的扩散顺序。其次，我们以（x，A，Ps（A），Pg（A | x））的格式构造表xa，并将输出概率P（A）初始化为0。第三，设置递归停止条件和主过程。如果扩散阶d等于0或A不能为其他扩散阶提供任何保证，则我们通过Ps（A）返回P（A）。同时，如果所有Pg（A | xi）都为0，则P（A）也等于Ps（A）。在其他条件下，对于每个节点∈ Od（A）={xi | NA，d，i，i∈ 1:m}，计算P（x）作为给定的nps（x），Pg（x | Nx，d-1，i），根据第4.3节估算。为了进行简单的说明，我们将方程4重新表示为函数FUN（A），然后我们得到以下公式：P（A）=FUN（A）=FUN（x | x∈ Od（A））（5）算法1给出了伪码。E、 复杂性分析。假设总共有n个借款人，每个借款人有m个担保人。由于每个保证人的递归次数不同，我们将每个顶点的度数近似为voueas，递归深度近似为depth。如果扩散顺序d小于深度，则该函数将被称为vdouttimes；否则，对于每个担保人，该函数将被调用为dvdepthout。因此，函数调用次数是n·m·vdepthout和n·m·vdout的最小值。

最后，时间复杂性是n·V输出空间复杂度为O（n）。四、 实验。对预测性能进行了实证研究。接下来，我们简要回顾数据集，然后报告结果。A、 数据描述该数据集涵盖了过去三年23096家企业的信贷行为。共有3218428份银行贷款记录，其中163665份有违约记录，251743份担保记录，总金额为11470亿美元。如前所述，我们预测违约概率。对于每个小型企业，我们使用3个序列作为一个功能。如果在接下来的3个序列中默认，则将标签设置为1，否则设置为0。然后，我们将窗口滑动3，为下一个T3序列生成特征作为预测窗口和验证窗口。我们在验证窗口中测量结果。所有从事信贷活动的小企业都将被指派预测违约概率。然后，我们用真实的还款记录来验证这种可能性，并对不同的方法进行AUCscore。根据我们的实验和领域知识，我们将最近邻sk的数目从1设置为10，扩散度d从0设置为6。d的选择基于对训练数据的分析。B、 结果。如前所述，主要挑战是数据不平衡和扩散风险。我们首先将我们提出的P-wkNN与最新的不平衡学习方法进行比较，如SMOTE【5】、过采样、欠采样、单侧选择（OSS）】【15】、编辑最近邻（ENN）】【22】和邻域清理规则（NCL）】【3】。图6给出了AUC曲线。很明显，我们提出的PWKNN优于经典方法，具有更大的实用价值。此外，我们增加了k的值以查看其图。6： 与经典的不平衡学习方法相比。无花果

7： 改变扩散阶数d和pwkNN值。对性能的影响。我们可以看到，我们的方法总是比其他方法更好。当k值小于5时，它们都有明显的上升，当k值变大时，AUC逐渐稳定。第二个实验是探索扩散的影响。我们改变了扩散模型的k和d值，得到了预测结果。我们可以看到，k值越大，性能越好。一旦k大于5，AUC就会变得相当稳定。对于各种k值，考虑defaultdiffusion（d=1）比不考虑扩散（d=0）的假设要好得多。这表明邻里借款人和被担保人之间确实存在违约扩散。但是，默认值不会跨多个节点扩散。最后，通过实验验证了该方法的有效性。我们设计了强基线算法，并将精确度、召回率和F1分数与以下方法进行比较：1）INDDP：不平衡网络扩散默认预测，我们提出的网络保证默认预测方法。2） P-wkNN：我们提出的不平衡学习分类模型。3） wkNN：距离加权k-NN算法，是k-NN分类算法的一个补充，它根据每个k邻居到查询点的距离对其贡献进行加权，从而获得更大的权重表I：默认预测的结果。不平衡扩散精度召回F1 ScoreINDDP√ √0.81 0.75 0.78P-wkNN√- 0.72 0.75 0.73wkNN√0.64 0.76 0.69RF？0.59 0.67 0.63SVM？0.59 0.65 0.62LR？0.54 0.63 0.58到近邻。

我们的P-wkNN是原始wkNN的扩展[18]。4） 随机森林（RF）：一种用于分类、回归和其他任务的集成学习方法，已在信用风险评级程序中证明有效【12】。5） 支持向量机（SVM）：一种经典的监督学习模型，被证明是最有效的信用风险评估工具之一【30】。6） 逻辑回归（LR）：经典的信用评估模型，广泛应用于金融行业[1]。根据前面的实验，我们将k设为5，d设为1。我们的方法最适合这种参数设置。表一总结了结果：IDNNP在精确度、召回率和F1得分方面优于所有基线，表明考虑不平衡和网络扩散的全范围至关重要。五、 结论。本文提出了一种专门定制的算法，用于自动预测网络担保的违约风险。与许多其他财务任务一样，数据极不平衡。现有网络和潜在的违约扩散使得风险评估更加困难。我们采用经典的KNN来处理不平衡数据集，使用它以数据驱动的方法来估计网络扩散风险，而不是对扩散物理模型进行正演建模。我们进行了实证实验，给出了网络担保贷款记录的最佳参数设置，并与最先进的信用评级方法进行了比较。未来的工作将包括重新确定方法，并尝试更复杂和不平衡的学习任务。六、 致谢本工作得到了上海市科委重点基础研究项目（15JC1400103、16JC1402800）和国家基础研究项目（2015CB856004）的支持。参考文献[1]，如阿尔特曼和萨巴托。中小企业信用风险建模：来自美国市场的证据。

Abacus，43（3）：332–3572007。[2] B.Baesens、R.Setiono、C.Mues和J.Vantienen。使用神经网络规则提取和决策表进行信用风险评估。《管理科学》，49（3）：312–3292003。[3] G.E.Batista、R.C.Prati和M.C.Monard。平衡机器学习训练数据的几种方法的行为研究。ACMSIGKD探索通讯，6（1）：20–29，2004年。[4] T.比格斯。小的漂亮，值得补贴吗？文献综述。国际金融公司（IFC）。华盛顿特区，2002年。[5] N.Chawla、A.Lazarevic、L.Hall和K.Bowyer。斯莫特Boost：在boosting中改进对少数民族阶级的预测。数据库中的知识发现：PKDD 2003，第107–119页，2003年。[6] R.DeYoung、A.Gron、G.Torna和A.Winton。风险悬置和贷款组合决策：金融危机之前和期间的小企业贷款供应。《金融杂志》，70（6）：2451–24882015。[7] A.Garcia Tabuenca和J.L.Crespo Espert。信用担保和效率低下。《小企业经济学》，35（1）：113–128，2010年。[8] H.Han、W-Y.Wang和B-H.Mao。边界smote：非平衡数据集学习中一种新的过采样方法。智能计算的进展，第878-8872005页。[9] D·J·汉德和W·E·亨利。消费者信用评分的统计分类方法：综述。皇家统计学会杂志：A辑（社会统计），160（3）：523–5411997。[10] H.他和E.A.加西亚。从不平衡数据中学习。IEEETransactions on knowledge and data engineering，21（9）：1263–12842009。[11] M.T.Irfan和L.E.Ortiz。网络影响的博弈论方法。2011年，AAAI。[12] S.Jones、D.Johnstone和R.Wilson。对二元分类机构在预测信用评级变化方面的绩效进行实证评估。《银行与金融杂志》，56:72–852015。[13] A.E.Khandai、A.J.Kim和A.W.Lo。

通过机器学习算法建立消费者信贷风险模型。《银行与金融杂志》，34（11）：2767–2787，2010年。[14] B.Kovalerchuk和E.Vityaev。《金融数据挖掘：关系和混合方法的优势》，第547卷。施普林格科学与商业媒体，2000年。[15] M.Kubat，S.Matwin等，《解决不平衡训练集的诅咒：单方面选择》。ICML第97卷第179–186页。美国纳什维尔，1997年。[16] J.Laurikkala。通过平衡班级分布，提高对不同小班的识别能力。《医学艺术情报》，第63-66页，2001年。[17] J.莱维斯基。中小企业信用担保计划——国际综述。《小企业发展》，8（2）：4–171997年。[18] J.E.Macleod、A.Luk和D.M.Titterington。重新审查距离加权k-最近邻分类规则。IEEETransactions on Systems，Man，and Controlnetics，17（4）：689–6961987。[19] X·L·X·孟。中国贷款担保链信用风险评估。2015年【20】牛梓，程德成，闫杰，张杰，张乐，查赫。贷款担保网络风险评估的混合方法。arXiv预印本XIV:1702.046422017。【21】牛子江、郑德成、张立群、张建军。用于网络担保贷款风险管理的可视化分析。2018年IEEE太平洋可视化研讨会（Paci fic Visualization Symposium，Paci fi cVis）。IEEE，2018年。[22]J.-P.Onnela等人，《金融和社会系统研究中的复杂网络》。赫尔辛基理工大学，2006年。[23]L.E.彼得森。K-最近邻。Scholarpedia，4（2）：18832009年。【24】M.Ruzzier、R.D.Hisrich和B.Antoncic。中小企业国际化研究：过去、现在和未来。《小企业与企业发展杂志》，13（4）：476–49720006。[25]J.Tang、J.Sun、C.Wang和Z.Yang。大规模网络中的社会影响分析。

第15届ACM SIGKDD国际知识发现和数据挖掘会议记录，第807–816页。ACM，2009年。[26]D.D.Wu、S.H.Chen和D.L.Olson。风险管理中的商业智能：一些最新进展。信息科学，256:1–72014。【27】肖S、严J、李C、金B、王X、杨X、朱世民、查H。关于建模和预测随时间变化的个人论文引用数量。IJCAI，第2676–2682页，2016年。[28]J.Yan、M.Gong、C.Sun、J.Huang和S.M.Chu。销售渠道WINPROPERTY预测：回归方法。在综合网络管理（IM）中，2015年IFIP/IEEE国际研讨会，第854–857页。IEEE，2015年。[29]J.Yan、C.Tian、J.Huang和F.Albertao。增量字典学习用于故障检测，并将其应用于输油管道泄漏检测。《电子快报》，47（21）：1198–11992011。[30]L.Yu、X.Yao、S.Wang和K.K.Lai。使用加权最小二乘支持向量机分类器进行信用风险评估，并设计参数选择实验。《专家系统与应用》，38（12）：15392–153992011。【31】周志浩、刘晓勇。用解决类不平衡问题的方法训练代价敏感神经网络。IEEE知识与数据工程学报，18（1）：63–772006。