基于ahp-gm模型的信用卡申請風險評估研究(編輯修改稿)
2025-06-12 20:04 本頁面
【文章內(nèi)容簡介】 （ 1， 1）模型 設(shè)有已知序列： X （ 0 ） ={x （ 0）（ k） }nk=1，其 1AGO 生成序列： X （ 1 ） ={x （ 1）（ k） }nk=1，其中： x （ 1）（ k） =x （ 0）（ i）， GM（ 1， 1） 所建立的白化方程實際上是一個帶初值的微分方程，見（ 1）式。 +ax （ 1）（ t） =ux （ 1）（ 1） =x （ 0）（ 1），其中 a， u為待定參數(shù)。 （ 1） 對（ 1）式求解得： （ 1）（ k+1） =（ x （ 0）（ 1） ） eak+ DOC 格式 論文 ， 方便 您的 復制修改刪減 （ 2） 其中： =[a u]T=（ BTB） 1BTYN （ 3） 背景值： z （ 1）（ k+1） = （ 1）（ k+1） + （ 1）（ k）（ 4） B=z （ 1）（ 1） z （ 1）（ 2）… z （ 1）（ n1） 11… 1T YN=（ x （ 0）（ 2），……， x （ 0 ）（ n）） T 對式（ 2）通過累減還原，得預(yù)測值： （ 0 ）（ 1） =x （ 0）（ 1） （ 0）（ k） =（ 1ea）（ x （ 0）（ 1） ） ea（ k1 ）， k=2， 3…， n （ 5） （三） AHPGM11模型及其實現(xiàn) 1．模型輸入點的選取。通過 AHP 建立的指標體系，由于各判斷矩陣的 RC 值均小于 ，可認為它們均有滿意的一致性。對權(quán)值累計貢獻率＝ 95%的指標保留，否則刪除該指標，從而得到簡化后的風險指標體系，并作為輸入值。 2． GM 模型預(yù)測。有了評估體系后，銀行就可根據(jù)信用卡申請者或者信用卡授卡對象的
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1