近日，我院计算机科学与技术专业大三本科生吕宇峰以第一作者的身份在在国际高质量期刊《Physica A: Statistical Mechanics and its Applications》上发表研究论文 “Heterogeneous Representation Decomposition-Fusion Network with multi-resolution wavelet transform for credit scoring” 。该论文为A级研究成果，由我院教师、数字金融创新湖北省重点实验室研究员左乾坤博士、余娇娇博士共同指导完成。
信用评分的准确性直接影响信贷决策和金融机构的盈利能力。传统的信用评分模型通常采用直接拼接连续和离散特征的简单方法，然而这些方法未能考虑特征之间的复杂相互作用，特别是连续数据和离散数据相互作用中固有的多尺度关系，导致模型难以捕捉借款人信用行为的全貌，性能和稳健性受到限制。为解决这一问题，该研究提出了一种新颖的异质表示分解-融合网络（HRDN），该网络融合了多分辨率小波变换用于信用评分。具体而言，该模型首先分别从离散和连续表格数据中提取特征，然后使用特征金字塔对齐机制融合这些特征以进行信用评分估计。为探究连续数据的复杂特性，研究设计了带有小波变换的多尺度信用表示分解模块，将连续数据分解为多分辨率特征表示，从而更精细地刻画金融数据的内在结构和动态特性。此外，特征金字塔对齐模块旨在融合多尺度表示，以增强模型的能力和稳健性。在三个公开可用的数据集上进行的实验评估验证了该模型的有效性，与最先进的方法相比，其 AUC 分别提高了 1.68%、0.83% 和 1.17%。同时，该模型展示出从金融数据中有效处理异质特征和捕捉多尺度关系的能力。
这项研究成果是数字金融创新湖北省重点实验室科研育人的成果体现。为信用评分提供了一种高效的解决方案，对于金融机构的信用风险评估和决策具有重要意义。该方法不仅提高了信用评分的准确性和稳健性，还为金融行业的信贷管理和风险控制提供了关键技术支持。未来，这项技术有望在金融领域得到广泛应用，并为相关研究和实践带来新的思路与机遇。
《Physica A: Statistical Mechanics and its Applications》是一本专注于统计力学及其应用领域的学术期刊，旨在通过研究微观统计特性来解释宏观系统的行为，是物理学与宏观经济交叉学科领域的SCI来源期刊。2025年影响因子为3.1，中科院2区。（撰稿：左乾坤， 审核：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.
阅读原文：
https://authors.elsevier.com/c/1lOqb1M2-2Pzop