文件名称：神经网络的可解释性：信用卡违约模型示例-研究论文
文件大小：963KB
文件格式：PDF
更新时间：2024-06-29 17:10:18
Machine Learning Credit
神经网络在许多应用中越来越受欢迎，在量化金融领域也是如此。 然而，他们的“黑匣子”表示的低可解释性一直是一个普遍的批评。 以前的文献试图更好地理解和可视化神经网络，主要侧重于图像分类。 本文展示了将相同方法应用于示例深度神经网络模型的可行性，该模型涉及信用卡投资组合的信用风险估计。 结果表明，对相关性、敏感性和神经活动的分析可以提高神经网络在金融建模环境中的可解释性。