📰 一种融合NSGA-II与随机森林的多目标信用风险评估混合框架 - 生物通
本研究提出一种将非支配排序遗传算法II（NSGA-II）与随机森林（RF）相结合的混合预测框架，用于多目标信用风险评估。在保持特征数量尽量少的前提下，最大化分类准确率，并通过优化随机森林中的关键参数（如最大分裂次数、节点分区最小规模）对决策树进行微调。实验在澳大利亚和德国信贷数据集上进行，结果显示该框架的分类准确率可达约93.47%与78.00%，表现与领先方法和传统基准相当，形成明确的帕累托最优前沿，便于风险分析师在预测准确性与模型简洁性之间进行权衡。该框架为金融机构提供强有力的决策支持，帮助降低违约风险、提升信贷组合韧性，并实现从被动风险应对向主动预防的转变。通过灵活的信用评分、损失预判及风险调整资本配置，该模型增强了投资组合在经济波动中的稳健性，推动现代信用治理的数据驱动基础建设，改善了各类信贷投资组合的风险收益平衡。
🏷️ #多目标 #信用风险 #NSGA-II #随机森林 #风险管理
🔗 原文链接
📰 一种融合NSGA-II与随机森林的多目标信用风险评估混合框架 - 生物通
本研究提出一种将非支配排序遗传算法II（NSGA-II）与随机森林（RF）相结合的混合预测框架，用于多目标信用风险评估。在保持特征数量尽量少的前提下，最大化分类准确率，并通过优化随机森林中的关键参数（如最大分裂次数、节点分区最小规模）对决策树进行微调。实验在澳大利亚和德国信贷数据集上进行，结果显示该框架的分类准确率可达约93.47%与78.00%，表现与领先方法和传统基准相当，形成明确的帕累托最优前沿，便于风险分析师在预测准确性与模型简洁性之间进行权衡。该框架为金融机构提供强有力的决策支持，帮助降低违约风险、提升信贷组合韧性，并实现从被动风险应对向主动预防的转变。通过灵活的信用评分、损失预判及风险调整资本配置，该模型增强了投资组合在经济波动中的稳健性，推动现代信用治理的数据驱动基础建设，改善了各类信贷投资组合的风险收益平衡。
🏷️ #多目标 #信用风险 #NSGA-II #随机森林 #风险管理
🔗 原文链接
