|
本研究では財務スコアリングモデルのチューニング方法として遺伝的アルゴリズム（GA）を用いた方法を提案する。GAによる解探索においては、複数の目的関数を同時に最大化することができる多目的GAの応用を試みる。多目的GAにおいては、パレートランクの考え方を用いて「パレート最適解」を探索する。モデル評価値の観点で頑健性の高い解を生成するための工夫として（モデルが出来るだけオーバーフィットしないための工夫として）、本研究では以下の２点を以て多目的GAを拡張する。@与えられたインサンプルの格付構成比を保ちつつ復元抽出するリサンプリングを世代ごとに複数回実行し、それらリサンプリングデータを入力データとして、信用リスク計量モデルを評価する複数の評価尺度の平均値と安定度を求める。そしてこれらの値を目的関数値と見なし、パレートランクを求めて解の適応度を評価する。Aモデル評価値の水準が高く、かつ頑健性の高い解についての情報を得るため、最終世代の解に対してはモデル評価関数値についてのブートストラップ統計量を計算する。
In this research, we propose a tuning method for credit scoring models using Multi-Objective Genetic Algorithm (MOGA). Under this algorithm, we can maximize all the objective function values simultaneously. On MOGA, we use "Pareto Rank" concept to search for "Pareto optimal solutions". In order to search for the Pareto optimal solutions with robustness from the viewpoint of model evaluation measures (in other words, to avoid "over-fitting"), we extend MOGA framework such that we try to do resampling our in-sample dataset with replacement several times for each generation and calculate the averages and stabilities of model evaluating measures as objective function values. Moreover, we also extend MOGA framework such that we do bootstrapping for the last generation's solutions in order to know how much good and how much robust these solutions are. |