科研学术

　　近日，经济与管理学院李铁副教授与彭怡教授在UT-Dallas 24期刊INFORMS Journal on Computing刊发研究成果“Feature Selection and Grouping Effect Analysis for Credit Evaluation via Regularized Diagonal Distance Metric Learning”，李铁副教授为第一作者，彭怡教授为通讯作者，论文的第一完成单位与唯一通讯单位均为电子科技大学经济与管理学院。

　　信用评价领域由于信用风险源的多样性、信贷客户异质性、欺诈行为模式复杂等原因，数据分布一般较为复杂且线性不可分，传统的基于线性模型的特征选择方法无法适用于上述数据类型。鉴于此，本研究提出了一种新的基于对角化距离度量学习的特征选择与分组效应分析方法，专用于数据复杂分布模式下的信用风险分析。工作主要包含三方面：

　　（1）使用真实的银行信贷数据，对信用数据的分布状态进行了统计实证验证，基于方差分析等方法对数据中的异质性、多模性进行了可视化分析与量化检验，并基于实证检验结果论述了当前主流模型在该类型数据上的具体挑战以及本文应解决的主要问题。

　　（2）将特征选择与分组效应分析构建为LASSO和ElasticNet正则化的对角化距离度量学习数学优化问题，从数学角度分析了LASSO正则化和ElasticNet正则化在信用风险特征选择方面的各自优缺点，并严格证明了为何ElasticNet正则化的对角化距离度量学习可以用于特征分组效应分析，最后提出了信用风险特征分组效应检测算法。实验结果表明，新提出的方法能够大幅提高k近邻等基于欧氏距离的分类器的性能表现，所得到的特征选择结果较传统方法较为新颖、可靠。

　　（3）为了高效求解该特征选择与分组效应分析模型，本研究还提出了一种基于交替方向乘子法（Alternating Direction Method of Multipliers, ADMM）的全新求解器，将大规模正则化的对角化距离度量学习优化问题分解为了多个并行化的线性规划问题加一个小规模共识达成二次规划问题。新提出的求解器相较于传统的拉格朗日乘子法、罚函数法等梯度下降优化算法在求解速度上提升了200余倍。

　　INFORMS Journal on Computing为美国运筹学和管理学研究协会（INFORMS）季刊，是美国德克萨斯大学达拉斯分校遴选的24种管理学国际顶级期刊（UT-Dallas 24 Top Journals）之一，在国际管理学界享有较高的学术声誉，同时也为经管学院国际A+类期刊，主要发表运筹学与计算科学交叉领域的最新研究成果。

　　全文链接：

　　Tie Li, Gang Kou, Yi Peng, Philip S. Yu (2024). Feature Selection and Grouping Effect Analysis for Credit Evaluation via Regularized Diagonal Distance Metric Learning. INFORMS Journal on Computing, 1-27

　　https://pubsonline.informs.org/doi/10.1287/ijoc.2023.0322

　　在线代码：

　　https://github.com/INFORMSJoC/2023.0322

　　作者简介：

　　彭怡，经济与管理学院教授、博士生导师，国家杰出青年科学基金获得者、国家级领军人才。主要从事大数据挖掘、多目标决策、信用评价等领域的研究。曾主持国家自然科学基金及各类省部级项目20余项，以第一/通讯作者身份发表SCI/SSCI论文100余篇，连续多年被列为ESI全球高被引科学家。

　　李铁，经济与管理学院副教授，硕士生导师。主要从事数据科学、商务智能、金融科技等领域的研究。曾主持国家社科基金项目、教育部人文社科基金项目、中国博士后基金等项目，在Information Systems、《管理科学学报》、IEEE Transactions on Cybernetics等权威学术期刊发表论文20余篇，获发明专利1项、软件著作权5项。