使用差分进化的银行信用评级系统优化的离散与连续参数化-研究论文

银行信用评级系统是一个聚类问题，旨在在多个约束条件下将客户的违约概率（PD）最优分类到离散的桶中。 这个全局优化问题可以使用连续或离散决策变量进行参数化，并使用基本相同的差分进化 (DE) 方法进行处理，该方法考虑了最近巴塞尔银行监管协议强加的现实世界的约束。 这使我们能够在效率、鲁棒性和收敛速度方面对同一问题的连续和离散参数化进行有趣的比较。 事实证明，出于所有这些原因，使用离散参数是有益的。 此外，我们还探索了 DE 方法中精英策略和经典策略的使用。 事实证明，前一种选择在效率、鲁棒性和更快收敛方面表现更好，除非需要的桶数很大。