结合XGBoost算法和Logistic回归的信用评级方法

• 作者: 夏利宇 张勇 汤广瑞 鲁强
• 来源期刊: 征信
• 学科: 经济
• 关键词: 信用评级模型 特征选择 可解释性 XGBoost算法 Logistic Group Lasso模型
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信用评级
• 页码范围: 56-59
• 页数: 4页
• 分类号: F832.39
• 字数: 3367字
• 语种: 中文

摘要

信用评级模型是金融机构科学评估客户违约风险的重要工具.以提升信用评级模型分类准确性和确保可解释性为目标,提出将XGBoost算法与Logistic Group Lasso模型相结合的信用评级方法,利用XGBoost算法进行特征选择来简化模型结构,构建Logistic Group Lasso模型来确保模型中重要变量的可解释性.基于某商业银行小微企业信贷业务数据的实证研究表明,新方法对贷款客户的分类效果显著优于常规方法,能够有效防控客户的违约风险,为金融机构带来更多收益.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张勇		7	86	3.0	7.0
2	夏利宇		10	13	2.0	3.0
3	鲁强		6	2	1.0	1.0
4	汤广瑞		3	2	1.0	1.0