珠联璧合：基于机器学习的网络借贷信用评分卡模型研究

发布时间：2021-11-27 01:09

　　近年来,P2P网络平台"爆雷"事件频发,除平台恶意"携款跑路"外,绝大多数平台倒闭的原因在于部分借款人违约而导致平台现金流不足,进而出现提现困难、严重挤兑。本文借助人人贷网络借贷平台的数据,利用广义交叉验证、随机森林等机器学习算法对借贷客户特征变量进行筛选,并建立融入证据权重的Logistic信用评分卡模型,根据客户贷前所提交的个人信息对客户进行信用评分,进而预测客户借款到期时的违约情况。实证结果表明,该模型的预测准确率明显高于样本期间的平台评级,且模型通过了稳定性检验。这一研究结论对P2P网络借贷行业的健康发展与个人信用体系的构建具有重要意义,同时对第三方评级机构的个人信用评估也有一定的参考价值。 

【文章来源】：武汉金融. 2020,(03)北大核心

【文章页数】：9 页

【文章目录】：
一、引言引言
二、文献综述
三、构建融入证据权重的信用评分卡模型
    （一）特征变量选取
        1. 定量变量的筛选
        2. 定性变量的筛选
    （二）构建融入证据权重的信用评分卡模型
        1. 定量变量的分段及WoE编码
        2. 基于逻辑回归的个人信用评分卡模型
四、网络借贷信用评分卡与违约风险预测
    （一）数据选取
    （二）变量设置
        1. 被解释变量
        2. 定量变量
        3. 定性变量
    （三）定量变量及定性变量筛选结果
        1. 定量变量的筛选
        2. 定性变量的筛选
    （四）网络借贷个人信用风险标准评分卡
    （五）个人信用等级制定和预测准确性比较
    （六）稳健性检验
五、结论与建议
    （一）构建完整的个人信用评分体系，并规范发展第三方评级机构
    （二）实现借贷利率的市场化
    （三）加强金融教育



本文编号：3521292