《表4 样本外预测结果：基于稀疏结构连续比率模型的消费金融风控研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于稀疏结构连续比率模型的消费金融风控研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，将数据按照8∶2随机划分为训练集和测试集，然后利用训练集建立模型，利用建立的模型对测试集进行样本外预测，得到模型的预测准确率。将上述过程重复100次，得到的三种模型的平均预测准确率和对应的标准差（详见表4）。从表4可以看出，本文提出的SSCR模型的总准确率最高，为77.36%，并且在“非违约客户”“灰客户”和“违约客户”的预测准确率也是最高的，这说明本文提出的稀疏结构连续比率模型的表现最好。但是在这三类客户中，因为“灰客户”的风险特征不稳定且不容易被准确识别，因此灰客户的预测准确率是最低的，这与实际信用风险管理情况相一致，这也说明在信用评分实践中很有必要把“灰客户”作为单独一类进行识别，并通过增加显著变量或者改进模型提升预测准确率。