Abstract—The credit scoring risk ma

Abstract—The credit scoring risk management is a fast growing
field due to consumer’s credit requests. Credit requests,
of new and existing customers, are often evaluated by classical
discrimination rules based on customers information. However,
these kinds of strategies have serious limits and don’t take into
account the characteristics difference between current customers
and the future ones. The aim of this paper is to measure credit
worthiness for non customers borrowers and to model potential
risk given a heterogeneous population formed by borrowers
customers of the bank and others who are not. We hold on
previous works done in generalized discrimination and transpose
them into the logistic model to bring out efficient discrimination
rules for non customers’ subpopulation. Therefore we obtain
seven simple models of connection between parameters of both
logistic models associated respectively to the two subpopulations.
The German credit data set is selected as the experimental data
to compare the seven models. Experimental results show that
the use of links between the two subpopulations improve the
classification accuracy for the new loan applicants.
Index Terms—Logistic model, Gaussian discrimination, Subpopulation
links, Credit scoring, Subpopulations mixture

ผลลัพธ์ (ไทย) 1:

นามธรรมซึ่งคะแนนบริหารความเสี่ยงสินเชื่อจะเติบโตอย่างรวดเร็วฟิลด์เนื่องจากคำขอสินเชื่อของผู้บริโภค คำขอสินเชื่อลูกค้าเก่า และใหม่ มีมักจะประเมิน โดยคลาสสิกกฎการแบ่งแยกตามข้อมูลลูกค้า อย่างไรก็ตามกลยุทธ์ต่าง ๆ เหล่านี้มีขีดจำกัดที่รุนแรง และไม่พิจารณาบัญชีความแตกต่างของลักษณะระหว่างลูกค้าและคนในอนาคต จุดประสงค์ของเอกสารนี้คือการ วัดเครดิตความคุ้มค่า สำหรับผู้กู้ที่ไม่ใช่ลูกค้า และศักยภาพในรูปแบบความเสี่ยงให้เกิดขึ้น โดยผู้กู้ประชากรแตกต่างกันลูกค้าของธนาคารและอื่น ๆ ที่ไม่ได้ ยึดมั่นในงานก่อนหน้านี้ในการตั้งค่าทั่วไปแบ่งแยก และเปลี่ยนลงในแบบจำลอง logistic ให้มีประสิทธิภาพอย่างกฎสำหรับ subpopulation ไม่ใช่ลูกค้า ดังนั้น เราขอรับเชื่อมต่อระหว่างพารามิเตอร์ทั้งเจ็ดแบบง่ายรูปแบบโลจิสติกที่เกี่ยวข้องตามลำดับเพื่อ subpopulations สองเลือกชุดข้อมูลเครดิตเยอรมันเป็นข้อมูลทดลองการเปรียบเทียบแบบจำลอง 7 ผลการทดลองแสดงว่าปรับปรุงการใช้การเชื่อมโยงระหว่าง subpopulations สองการจัดประเภทที่ความถูกต้องสำหรับผู้สมัครสินเชื่อใหม่คำดัชนี — แบบจำลอง Logistic, Gaussian แบ่งแยก Subpopulationเชื่อมโยง คะแนน ส่วนผสม Subpopulations เครดิต

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ-The
บริหารความเสี่ยงให้คะแนนเครดิตเป็นที่เติบโตอย่างรวดเร็วสนามเนื่องจากการร้องขอของผู้บริโภคเครดิต ร้องขอเครดิตของลูกค้าใหม่และที่มีอยู่ได้รับการประเมินโดยมักจะคลาสสิกกฎการเลือกปฏิบัติบนพื้นฐานของข้อมูลลูกค้า แต่เหล่านี้ชนิดของกลยุทธ์การมีข้อ จำกัด อย่างจริงจังและไม่ได้นำเข้าบัญชีลักษณะความแตกต่างระหว่างลูกค้าในปัจจุบันและในอนาคต จุดมุ่งหมายของการวิจัยนี้คือการวัดเครดิตความคุ้มค่าสำหรับผู้กู้ที่ไม่ใช่ลูกค้าและมีศักยภาพในการจำลองความเสี่ยงที่กำหนดประชากรที่แตกต่างที่เกิดขึ้นจากผู้กู้ลูกค้าของธนาคารและอื่นๆ ที่ไม่ได้เป็น เรายึดมั่นในผลงานก่อนหน้านี้ทำในการเลือกปฏิบัติทั่วไปและย้ายพวกเขาในรูปแบบโลจิสติกที่จะนำออกจากการเลือกปฏิบัติที่มีประสิทธิภาพกฎระเบียบสำหรับการsubpopulation ลูกค้าไม่ ' ดังนั้นเราจึงได้รับรูปแบบที่เรียบง่ายเจ็ดการเชื่อมต่อระหว่างพารามิเตอร์ของทั้งสองรูปแบบโลจิสติกที่เกี่ยวข้องตามลำดับทั้งสองประชากร. ข้อมูลเครดิตเยอรมันชุดจะถูกเลือกเป็นข้อมูลการทดลองเพื่อเปรียบเทียบเจ็ดรุ่น ผลการทดลองแสดงให้เห็นว่าการใช้งานของการเชื่อมโยงระหว่างสองประชากรปรับปรุงความถูกต้องของการจัดหมวดหมู่สำหรับผู้สมัครเงินกู้ใหม่. รูปแบบข้อตกลงดัชนี-โลจิสติก, การเลือกปฏิบัติเสียน subpopulation เชื่อมโยงคะแนนเครดิตผสมประชากร

ผลลัพธ์ (ไทย) 3:

เครดิตคะแนนความเสี่ยงนามธรรมเป็นการเติบโตอย่างรวดเร็ว
สนามเนื่องจากการร้องขอสินเชื่อผู้บริโภค ขอเครดิต
ของลูกค้าใหม่และที่มีอยู่มักจะประเมินโดยจำแนกกฎคลาสสิก
ตามข้อมูลลูกค้า อย่างไรก็ตาม
เหล่านี้ชนิดของกลยุทธ์มีขีดจํากัดจริงจัง และไม่เข้าลักษณะความแตกต่างระหว่าง

บัญชีลูกค้าปัจจุบันและอนาคตที่ วัตถุประสงค์ของบทความนี้คือการวัดความคุ้มค่าสำหรับลูกค้ากู้สินเชื่อ
ไม่และแบบจำลองความเสี่ยง
ให้ต่างกันประชากรที่ก่อตั้งโดยผู้กู้
ลูกค้าของธนาคาร และคนอื่น ๆที่ไม่ได้เป็น เรายึดมั่นในหน้าที่งานทำในตัว

และการแบ่งแยกย้ายมันเข้าไปในโมเดลโลจิสติกที่มีประสิทธิภาพออกมาให้
การแบ่งแยกกฎสำหรับ subpopulation ของลูกค้าไม่ ดังนั้นเราขอรับ
7 แบบง่าย ๆของการเชื่อมต่อระหว่างพารามิเตอร์ของแบบจำลองโลจิสติกเกี่ยวข้องทั้ง
) สองสอง .
ชุดข้อมูลเครดิตเยอรมันเลือกเป็นข้อมูล
เปรียบเทียบเจ็ดรุ่น ผลการทดลองแสดงให้เห็นว่า
ใช้เชื่อมโยงระหว่างสองสองปรับปรุง
ความแม่นยำในการจำแนกสำหรับผู้สมัครสินเชื่อใหม่
แง่ดัชนีโมเดลโลจิสติก ) การแบ่งแยก subpopulation
ลิงค์ เครดิตคะแนนสองส่วนผสม