基于RUSBoost算法的违约风险预测模型构建与应用

发布时间：2020-10-27 14:16

　　 针对金融借贷数据存在的较严重的类别不平衡问题,构建基于RUSBoost算法的违约风险预测模型。作为一种集成学习方法,RUSBoost算法利用欠采样实现了训练集的类别均衡,同时又通过对基学习器的独立采样有效克服了因欠采样而造成的信息丢失问题,从而实现了对类别不平衡数据的较强适应能力。基于某网络借贷平台的金融大数据,首次将RUSBoost算法应用于违约风险预测,同时也将随机森林、决策树以及支持向量机等数据挖掘方法分别应用于违约风险预测问题,并与传统的Logistic回归方法和最小二乘模型进行对比分析。从实验结果来看,绝大部分数据挖掘模型的预测性能要明显优于传统模型,而基于RUSBoost算法的违约风险预测模型又明显优于其他数据挖掘模型。
【部分图文】：

本文研究的样本数据来源于网络借贷平台“人人贷”2010年10月～2018年5月发布的借款订单数据。该初始样本包含了1358004个借款订单，涉及1132918个借款人。所有订单的借款额以及借款期限的分布情况分别如图2和图3所示，其中纵轴为订单数量，横轴分别为借款额（单位为元）和借款期限（单位为月）。从图2可以看出，大部分订单的借款额在5.5万元以内，订单数量分布最集中的前三个区间分别为10万～15万元、5万～5.5万元以及3万～3.5万元。同时，由图3可知，借款期限的分布更集中。对于大部分借款成功的订单，其还款期限长则1～2年，短则3～6个月。其中，申请还款期限为36个月的订单虽然数量较多，但大部分都是借款额在10万元以上的大额订单，借款成功率很低。图3 所有订单的借款期限分布情况

不同模型的AUC值

不同模型的ROC曲线及其对应的AUC值分别如图6和图7所示。从中可以看出，SVM模型和Logistic回归模型的ROC曲线最接近对角线，它们的AUC值也是最小的。而RUSBoost算法的ROC曲线最靠近左上角，并且基本包含了其他模型的ROC曲线。这说明基于RUSBoost算法的违约风险预测模型是有效的。图7 不同模型的AUC值
【相似文献】

相关期刊论文 前10条

1 韩文倩;;灰色预测模型在山东省保费预测中的应用[J];保险职业学院学报;2017年01期

2 杨萌;;基于灰色预测模型的山西省批发零售业人员需求分析[J];数学的实践与认识;2017年04期

3 张春涛;关文忠;刘学飞;;混沌时间序列的2阶预测模型[J];数学的实践与认识;2016年05期

4 祖定利;;一类优化的预测模型[J];山西青年;2013年24期

5 胡堃;李亚辰;崔欣茹;;灰色预测模型及其应用[J];旅游纵览(行业版);2012年05期

6 王晓军;王述珍;;社会保障基金长期财务随机预测模型的比较与选择[J];统计研究;2012年09期

7 赵文霞;;生存寿命的联合预测模型及其应用[J];保定师范专科学校学报;2007年02期

8 罗鄂湘;钱省三;李锐;;可变参数动态灰色预测模型的建立与实证研究[J];上海理工大学学报;2006年05期

9 马丽萍,褚立国;试论平均预测模型假设[J];内蒙古科技与经济;2004年14期

10 鲍祥霖;一个新的销量预测模型[J];系统工程理论方法应用;2000年01期

相关博士学位论文 前8条

1 王冬光;控制技术在投资预测模型建立中的应用研究[D];哈尔滨工程大学;2005年

2 张丽峰;中国能源供求预测模型及发展对策研究[D];首都经济贸易大学;2006年

3 毕玉革;北方干寒地区日光温室小气候环境预测模型与数字化研究[D];内蒙古农业大学;2010年

4 沈巍;建立股指波动预测模型的方法研究及应用[D];华北电力大学（北京）;2011年

5 孙忠林;煤矿安全生产预测模型的研究[D];山东科技大学;2009年

6 曾波;灰色预测建模技术研究[D];南京航空航天大学;2012年

7 张瑞;不常用备件需求预测模型与方法研究[D];华中科技大学;2011年

8 郭晖;区域航空公司收益管理模型及其应用研究[D];华中科技大学;2008年

相关硕士学位论文 前10条

1 郑强;基于深度学习的光伏发电量预测模型研究[D];华北电力大学;2019年

2 程丽;湖南省GDP预测模型比较[D];湘潭大学;2019年

3 王竟羽;基于Stacking的P2P贷款违约预测模型构建及应用[D];成都理工大学;2019年

4 陈丽;基于决策树最优组合的企业违约预测模型[D];大连理工大学;2019年

5 李兰茜;基于复杂网络结构的链路预测技术研究[D];北京邮电大学;2019年

6 戈英杰;混合风速预测模型的建立与评估[D];东北财经大学;2018年

7 张建辉;基于BP神经网络的时序预测模型的研究[D];太原理工大学;2017年

8 张珂;沪铜期贷价格预测模型的构建与预测研究[D];兰州交通大学;2017年

9 何巧玲;沙漠化预测模型及其定性分析[D];新疆大学;2014年

10 李燕;灰色预测模型的研究及其应用[D];浙江理工大学;2012年

本文编号：2858631