用于鲁棒跨时信用评分的哈密顿神经网络
机器学习
2025-03-13 v2
摘要
本文提出了一种新颖的信用评分方法，利用神经网络来解决类别不平衡和跨时预测的挑战。我们开发了一种受哈密顿力学启发的特定优化器和损失函数，能够更好地捕捉信用风险动态。在Freddie Mac单户贷款级数据集上的测试表明，与传统方法相比，我们的模型在跨时场景下具有更优的区分能力（AUC）。该方法在样本内和未来测试集之间表现一致，在不同时间段内保持可靠性。这种跨学科方法融合了物理系统理论和金融风险管理，为长期模型稳定性提供了实际优势。
引用
@article{arxiv.2410.10182,
title = {Hamiltonian Neural Networks for Robust Out-of-Time Credit Scoring},
author = {Javier Marín},
journal= {arXiv preprint arXiv:2410.10182},
year = {2025}
}