《信用卡負債和違約的內生性關聯：理論研究及規律挖掘》是依託中央財經大學，由馬景義擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：信用卡負債和違約的內生性關聯：理論研究及規律挖掘
- 項目類別：青年科學基金項目
- 項目負責人：馬景義
- 依託單位：中央財經大學
項目摘要,結題摘要,
項目摘要
控制違約風險，實現信用卡信貸良性拓展是目前我國信用卡產業發展的瓶頸。由於誠信體系的差異，已開發國家與轉型期開發中國家信用卡負債與違約關聯性的測度存在不同，從內生性關聯視角研究消費者負債與違約的關在線上制，能豐富現有信用卡負債與違約的研究，對於我國信用卡管理領域有特殊的套用價值。本項目擬整合多個數據源，控制外生性因素，分別利用隨機效應Tobit模型和廣義線性混合效應模型識別影響我國消費者信用卡負債和違約的內生性心理變數；基於內生性變數估計心理學意義下的信用卡負債偏好因子和違約傾向因子，並研究二者的關聯性，挖掘通過人口統計和經濟因素預測“負債偏好因子--違約傾向因子”的關聯規律；基於上述關聯規律，利用情景分析，模擬不同巨觀經濟條件下，不同群體消費者負債水平和違約的可能性，繼而識別支撐信用卡負債良性發展的理性群體，在控制違約風險的前提下，為理性擴大我國消費信貸資源提供決策依據。
結題摘要
控制違約風險，實現信用卡信貸良性發展是目前我國信用卡產業發展的瓶頸。由於誠信體系的差異，已開發國家與轉型期開發中國家信用卡負債與違約關聯性的測度存在不同，從內生性關聯視角研究消費者負債與違約的關在線上制，能豐富現有信用卡負債與違約的研究，對於我國信用卡管理領域有特殊的套用價值。本項目控制外生性因素，分別利用隨機效應Tobit模型和廣義線性混合效應模型識別影響我國消費者信用卡負債和違約的內生性心理變數；基於內生性變數估計心理學意義下的信用卡負債偏好因子和違約傾向因子，並研究二者的關聯性，進而分析了通過人口統計和經濟因素預測“負債偏好因子--違約傾向因子”的關聯規律。 本項目還特別研究了在信用卡違約和負債建模中的不平衡數據處理方法、廣義線性模型組LASSO算法。針對處理不平衡數據算法SMOTE及其衍生算法的不足，本項目提出一種新的向上採樣算法SMUP，通過樣本相似度改進SMOTE算法中的距離測量方式,提高了算法的分類精度。實驗結果表明，基於SMUP算法的單分類器能有效提升少數類的分類正確率，同時解決了SMOTE對定類型特徵變數距離測度不佳的難題；基於SMUP算法的組合分類器分類效果也明顯優於SMOTE衍生算法；最重要的是，SMUP將連續型、混合型和定類型這三種特徵變數的距離測度整合到一個統一的框架下。廣義線性模型組LASSO算法有兩項核心內容：選擇路徑參數；計算組LASSO估計，即給定路徑參數是模型係數求解。本項目給出了計算廣義線性模型組LASSO路徑的算法：第一個子算法選出使得活躍集恰好改變的路徑參數取值；第二個子算法是計算組LASSO估計的二階近似坐標下降算法。模擬和實際數據分析均表明,第一個子算法能高效地發現使得活躍集恰好改變的路徑參數值；相比基於廣義線性模型似然函式一階Taylor近似的坐標下降算法,本文的二階近似算法有較明顯的速度優勢。
