Towards Financially Inclusive Credit Products Through Financial Time Series Clustering
创建于 更新于
摘要
本报告提出了一种基于深度表示学习的时间序列聚类算法，以解决传统信用评分不足以支持金融包容性信贷产品的问题。通过对金融消费者交易数据的聚类，模型能够识别具有相似金融行为的用户群体，实现个性化金融产品定制。经系统性性能比较，基于CNN架构的自编码器结合经典重构损失和DTC聚类损失的FTHC算法，在聚类质量指标（轮廓系数和Davies-Bouldin指数）上优于现有方法，有效提升模型稳定性和聚类表现，为金融机构提供面向边缘群体的创新信用产品设计思路[page::0][page::6]
