结合XGBoost算法和Logistic回归的信用评级方法

发布时间：2022-01-17 07:02

　　信用评级模型是金融机构科学评估客户违约风险的重要工具。以提升信用评级模型分类准确性和确保可解释性为目标,提出将XGBoost算法与Logistic Group Lasso模型相结合的信用评级方法,利用XGBoost算法进行特征选择来简化模型结构,构建Logistic Group Lasso模型来确保模型中重要变量的可解释性。基于某商业银行小微企业信贷业务数据的实证研究表明,新方法对贷款客户的分类效果显著优于常规方法,能够有效防控客户的违约风险,为金融机构带来更多收益。 

【文章来源】：征信. 2019,37(11)北大核心

【文章页数】：4 页

【部分图文】：

自变量的相对重要性排序可以依据自变量的重要性相对百分比剔除重要

【参考文献】：
期刊论文
[1]信用评级模型构建的统计学解读[J]. 夏利宇,何琬.  征信. 2019(06)
[2]处理不平衡征信数据的零膨胀信用评级模型[J]. 何晓群,夏利宇,姜天英.  数理统计与管理. 2019(05)
[3]基于半参数方法进行拒绝推断的信用评级模型[J]. 夏利宇,何晓群.  管理评论. 2018(10)



本文编号：3594270