典型文献
基于机器学习的个人贷款违约预测模型的应用研究
文献摘要：
针对贷款违约给商业银行带来的信用风险损失,本文基于Kaggle平台的Loan Defaulter数据集,通过建立机器学习模型预测客户违约情况,以降低信贷风险.本文根据贷款数据类别不平衡和特征维度高的特点,对其进行数据处理以及探索性数据分析,得出与贷款违约高度相关的重要特征,包括性别、家庭人数以及借款人所在城市、住房类型、总收入、所属行业、职业类型、工作年限、受教育程度、消费贷款额度、贷款金额、贷款年金等.在比较各类模型的基础上,本文选择表现较好的随机森林,XGBoost以及K近邻组合为Stacking集成模型.实验表明,与单一算法相比,该模型的集成算法具有更高的精确度和预测效果,其中Stacking模型能够融合其他基础模型的优点,取得最好的预测效果.本文主要创新点有二:一是梳理信用评估模型中集成模型的基本特征,基于不同模型的优势,引入Stacking模型组合建模,融合四组机器学习模型并建立双层学习器,提高了信用风险评估效果;二是基于普惠金融发展,将研究对象具体化为个人信贷,应用场景更加细化,并得出影响贷款违约的重要特征.
文献关键词：
贷款违约预测;数据分析;集成算法;模型融合
中图分类号：
作者姓名：
张丽颖;杨若瑾
作者机构：
河北金融学院河北省科技金融协同创新中心、大数据科学学院;河北金融学院研究生部
文献出处：
引用格式：
[1]张丽颖;杨若瑾-.基于机器学习的个人贷款违约预测模型的应用研究)[J].金融监管研究,2022(06):46-59
A类：
贷款违约预测,Defaulter
B类：
基于机器学习,个人贷款,违约预测模型,商业银行,风险损失,Kaggle,Loan,机器学习模型,信贷风险,款数,数据类别,类别不平衡,探索性数据分析,借款人,所在城市,住房类型,总收入,职业类型,工作年限,受教育程度,贷款额度,金额,年金,XGBoost,近邻,Stacking,集成模型,一算,集成算法,基础模型,创新点,信用评估模型,中集,模型组合,组合建模,四组,信用风险评估,评估效果,普惠金融发展,具体化,个人信贷,加细,模型融合
AB值：
0.381113
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
