利用香农熵降低不良贷款总额并分类违约者
机器学习
2020-05-01 v1 信息论
math.IT
摘要
不良贷款(NPA)过去几年中一直受到银行的严重关注。NPA 给银行造成巨大损失,因此判定哪些贷款有可能成为 NPA,进而决定批准或拒绝哪些贷款,成为极其关键的一步。在这篇聚焦于问题核心的论文中,我们提出一种算法,旨在非常细致地处理金融数据,以很高精度预测某笔贷款未来是否会被归类为 NPA。不同于用于判定哪些贷款可能转为 NPA 的传统低精度分类器,我们基于熵构建了自己的分类器模型。我们利用香农熵创建了基于熵的分类器。该分类器模型将数据点分为两类:接受或拒绝。我们利用局部熵与全局熵来帮助确定输出。随后将该熵分类器模型与现有用于预测 NPA 的分类器比较,从而了解其性能。
引用
@article{arxiv.2004.14418,
title = {To Reduce Gross NPA and Classify Defaulters Using Shannon Entropy},
author = {Ambarish Moharil and Nikhil Sonavane and Chirag Kedia and Mansimran Singh Anand},
journal= {arXiv preprint arXiv:2004.14418},
year = {2020}
}
备注
11 Pages, 7 Figures