变量筛选后的个人信贷评分模型与统计学习

发布时间：2022-01-17 15:00

　　如何通过构建可靠的信用评分模型来评估贷款申请人的信用风险在信贷风险管理行业中发挥着重要的作用,这也成为学术界和商业界的一项重要研究课题。本文通过先筛选数据变量,然后再建立模型的方法,探讨了3种不同连接函数下广义线性模型的分类问题,并且当连接函数为logit （对应logistic回归模型）时,加入了自变量的交互项以优化模型。以德国UCI数据集为例,采用AUC和KS指标作为评价指标,与随机森林、支持向量机和XGBoost模型等目前信贷评分中最常用的统计学习模型进行了分析对比,结果表明:广义线性模型中logistic回归模型和SVM预测效果尚佳;对于连接函数为logit的广义线性模型,加入交互项后AUC和KS有所提高,表明交互项的加入优化了模型。 

【文章来源】：数理统计与管理. 2020,39(02)北大核心CSSCI

【文章页数】：13 页

【文章目录】：
0 引言
    0.1背景介绍
    0.2研究现状
1 特征处理与变量筛选指标
    1.1 虚拟变量设置
    1.2 卡方距离
    1.3 MV指数
2 模型与评价指标
    2.1 Logistic回归(Logistic regression,简写LR)
    2.2 随机森林(Random forest,简写RF)
    2.3 SVM
    2.4 XGBoost
    2.5 GLM
    2.6 评价指标
        2.6.1 AUC
        2.6.2 KS值
3 实证分析与比较
    3.1 变量扫描与筛选
    3.2 模型预测结果分析
        3.2.1 RF预测结果分析
        3.2.2 SVM预测结果分析
        3.2.3 XGBoost预测结果分析
        3.2.4 GLM预测结果分析
    3.3 模型预测结果稳定性分析
4 结论与展望


【参考文献】：
期刊论文
[1]回归模型中哑变量的相对重要性指数[J]. 李海超,王开军,胡淼,陈黎飞.  计算机应用. 2017(11)
[2]基于Ext-GBDT集成的类别不平衡信用评分模型[J]. 陈启伟,王伟,马迪,毛伟.  计算机应用研究. 2018(02)
[3]关于促进互联网金融健康发展的指导意见[J].   信息技术与信息化. 2015(06)
[4]基于随机森林的个人信用评估模型研究及实证分析[J]. 萧超武,蔡文学,黄晓宇,陈康.  管理现代化. 2014(06)
[5]信用评分模型应用比较研究——基于个体工商户数据的检验[J]. 晏艳阳,蒋恒波.  统计与信息论坛. 2010(05)
[6]信用评分主要模型方法比较研究[J]. 杨力,汪克亮,王建民.  经济管理. 2008(06)
[7]基于KMOD核函数的SVM方法在信用评分中的应用[J]. 陈为民,马超群,冯广波.  经济数学. 2008(01)
[8]我国商业银行个人信用评分指标体系分析[J]. 张丽娜,赵敏.  市场周刊(理论研究). 2007(08)
[9]多种个人信用评分模型在中国应用的比较研究[J]. 石庆焱,靳云汇.  统计研究. 2004(06)



本文编号：3594938