近日，我院計算機科學與技術專業大三本科生呂宇峰以第一作者的身份在在國際高質量期刊《Physica A: Statistical Mechanics and its Applications》上發表研究論文 “Heterogeneous Representation Decomposition-Fusion Network with multi-resolution wavelet transform for credit scoring” 。該論文為A級研究成果，由我院教師、數字金融創新湖北省重點實驗室研究員左乾坤博士、餘嬌嬌博士共同指導完成。
信用評分的準确性直接影響信貸決策和金融機構的盈利能力。傳統的信用評分模型通常采用直接拼接連續和離散特征的簡單方法，然而這些方法未能考慮特征之間的複雜相互作用，特别是連續數據和離散數據相互作用中固有的多尺度關系，導緻模型難以捕捉借款人信用行為的全貌，性能和穩健性受到限制。為解決這一問題，該研究提出了一種新穎的異質表示分解-融合網絡（HRDN），該網絡融合了多分辨率小波變換用于信用評分。具體而言，該模型首先分别從離散和連續表格數據中提取特征，然後使用特征金字塔對齊機制融合這些特征以進行信用評分估計。為探究連續數據的複雜特性，研究設計了帶有小波變換的多尺度信用表示分解模塊，将連續數據分解為多分辨率特征表示，從而更精細地刻畫金融數據的内在結構和動态特性。此外，特征金字塔對齊模塊旨在融合多尺度表示，以增強模型的能力和穩健性。在三個公開可用的數據集上進行的實驗評估驗證了該模型的有效性，與最先進的方法相比，其 AUC 分别提高了 1.68%、0.83% 和 1.17%。同時，該模型展示出從金融數據中有效處理異質特征和捕捉多尺度關系的能力。
這項研究成果是數字金融創新湖北省重點實驗室科研育人的成果體現。為信用評分提供了一種高效的解決方案，對于金融機構的信用風險評估和決策具有重要意義。該方法不僅提高了信用評分的準确性和穩健性，還為金融行業的信貸管理和風險控制提供了關鍵技術支持。未來，這項技術有望在金融領域得到廣泛應用，并為相關研究和實踐帶來新的思路與機遇。
《Physica A: Statistical Mechanics and its Applications》是一本專注于統計力學及其應用領域的學術期刊，旨在通過研究微觀統計特性來解釋宏觀系統的行為，是物理學與宏觀經濟交叉學科領域的SCI來源期刊。2025年影響因子為3.1，中科院2區。（撰稿：左乾坤， 審核：田浩）
原文信息：
Lv, Y., Zuo, Q., Qian, Y., & Yu, J. (2025). Heterogeneous Representation Decomposition-Fusion Network with multi-resolution wavelet transform for credit scoring. Physica A: Statistical Mechanics and its Applications, 130794.
閱讀原文：
https://authors.elsevier.com/c/1lOqb1M2-2Pzop