久久精品视频一,久久久久久久久久久视频,国产一区高清视频

基于光量子计算的信用评分特征筛选研究报告

网络安全与数据治理 3期

文凯1，马寅1，王鹏2，朱德立2

(1.北京玻色量子科技有限公司，北京100016；2.光大科技有限公司，北京100083)

摘要： 随着科学技术的进步，量子计算突破了传统的算力瓶颈，在各个领域发挥着越来越重要的作用。在金融领域中，信用评分场景是贷款行业的重中之重。特征选取是一种十分高效的数据预处理策略。特征选择可以构建更简单、更容易理解的模型，提高数据挖掘性能，从中提取有效的特征，降低数据维度，为金融业提供有效的贷款参考信息。主要讨论量子计算在信用评分场景下的应用，改进了金融数据预处理的方式，创新性地使用量子计算机来求解特征选择的QUBO模型，与one-hot转码相比较，所使用的WOE分箱处理策略可以直接解析出特征，筛选结果可以进行直接对比。基于量子计算的特征选取与传统的基于相关性的特征选取策略相比，差距很小，并且由于量子计算机的先天优势，此策略速度更快，更具前景。

關鍵詞： 量子计算特征选择相关性信用评分

中圖分類號： TP38
文獻標識碼： A
DOI： 10.20044/j.csdg.2097-1788.2022.03.002
引用格式：文凱，馬寅，王鵬，等. 基于光量子計算的信用評分特征篩選研究報告[J].網絡安全與數據治理，2022，41(3)：13-18.

Research report on feature screening of credit scoring based on photonic quantum computing

Wen Kai1，Ma Yin1，Wang Peng2，Zhu Deli2

(1.Beijing Qboson Quantum Technology Co.，Ltd.，Beijing 100016，China； 2.Everbright Technology Co.，Ltd.，Beijing 100040，China)

Abstract： With the progress of science and technology, quantum computing has broken through the traditional bottleneck of computing power and is playing an increasingly important role in various fields. In the financial field, the credit scoring scenario is the top priority of the loan industry. Feature selection can build simpler and easier-to-understand models, improve data mining performance, prepare concise and understandable data to extract effective features and reduce data dimensions, and provide effective loan reference information for the financial industry. This paper mainly discusses the application of quantum computing in the credit scoring scenario, improves the financial data preprocessing method, and creatively uses quantum computer to solve the QUBO model of feature selection. Compared with one-hot encoding, the WOE strategy used in this paper can directly analyze the features, and the screening results can be directly compared. Compared with the traditional feature selection strategy based on correlation, the feature selection strategy based on quantum computing is little difference. Moreover, due to the inherent advantages of quantum computer, this strategy is faster and more promising.

Key words : quantum computing；feature selection；correlation；credit evaluation

0 引言

目前，量子計算是未來的計算發展趨勢,全球各主要研究機構和公司選用不同的物理方案來制造量子計算機，主流的技術路線包括超導量子計算、光量子計算等。超導量子計算系統對環境要求苛刻，要求在絕對零度附近的超低溫下才能工作；光量子計算其原理是使用光量子的疊加態對組合優化問題進行指數級求解加速。基于光量子系統的相干伊辛計算架構(Coherent Ising Machine，CIM)[1]，具有光量子常溫下編碼操控和其在相干時間、室溫工作、全聯接等方面的技術優勢。目前，國內北京玻色量子科技有限公司等企業，已完成第一臺全國產光量子計算原型機的設計制造。

CIM可以充分利用光量子常溫下編碼操控的技術優勢，實現100～100 000量子比特的量子計算的有效應用和算法優越性驗證[2]，并且可以廣泛地應用于生物制藥、交通、人工智能[3-7]等領域。在金融風控領域，特別是在信貸業務場景下，需要利用客戶多維度的特征，對客戶未來的違約行為做出預測，從而進行風險控制決策。因此好的風控評估模型能為銀行風控業務提供從資產負債、信用風險、反欺詐、反洗錢等全方位完整的風險控制方案。在建立風控模型的過程中，隨著大數據時代的到來，客戶數據維度呈指數型增長，傳統的特征篩選方法需要人工經驗的參與，對大維度數據的處理顯得較為吃力，亟需創新式的解決方案。量子計算作為超強算力的代表，在此領域擁有極大的潛力。

在信用評分的建模場景中[8]，特征選擇在整個過程起著至關重要的作用，通過篩選后續入模的特征從而提高模型的準確率和效率，并具有更好的泛化能力。尤其是在特征數較大時，不同特征的選擇將決定最后信用評分模型的整體效果。本文將采用傳統信用評分的建模邏輯，對于特征篩選這一環節，采用量子計算的方式進行優化，從而對整體模型效果進行提升(并與傳統方式的特征選擇進行對比)。通過建立相應的二次無約束二值優化(Quadratic Unbounded Binary Optimization，QUBO)[9]模型來實現特征選擇，該模型理想情況下選擇既獨立又有影響力的特征。此次研究主要通過量子計算解決QUBO模型來實現特征選擇，相比傳統信用評分的特征選擇，在不犧牲準確率的前提下，量子計算效率更高而且人工干擾更少，并在特征數很大時，解決了人工篩選難度大的問題。

本文詳細內容請下載：http://www.tom3567.com/resource/share/2000004899。

作者信息：

文凱1，馬寅1，王鵬2，朱德立2

(1.北京玻色量子科技有限公司，北京100016；2.光大科技有限公司，北京100083)

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容