基于机器学习的网贷借款人违约预测研究

• 作者: 刘宁宁(指导) 王殊檀 王相婷 赵子轩
• 来源期刊: 服务科学和管理
• 学科: 经济
• 关键词: 机器学习 网络借贷 违约预测
• 年，卷（期）: 2019,（1）
• 页码范围: 40-48
• 页数: 9页
• 分类号: F2

摘要

网络借贷行业的飞速发展使得传统风控在数据时效性、全面性和层次性上的短板日益凸显。而目前,机器学习的蓬勃兴起使网贷平台能够利用多维大数据构建智能风控模型,更加准确的评估个人信用状况,有效地降低违约风险。本文基于中诚信征信有限公司提供的借款人贷款风险数据,利用Logistic、XGBoost和NN构建预测模型,并将结果进行对比。由于XGBoost算法具有高度的灵活性,允许自定义优化目标和评价标准,并且参数较多,可调整的范围大,因此基于XGBoost算法构建的模型对网贷借款人违约预测的准确率较高。同时,本文利用自动化调参工具遍历所有参数组合,给模型调参带来了极大的便利。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王相婷		1	0	0.0	0.0
2	赵子轩		1	0	0.0	0.0
3	王殊檀		1	0	0.0	0.0
4	刘宁宁(指导)		1	0	0.0	0.0