基于银行大数据的用户信用风险预测模型

• 作者: 冯哲 刘潇 胡竞文
• 来源期刊: 统计学与应用
• 学科: 经济
• 关键词: 信用风险 主成分分析 LOGISTIC回归模型 随机森林模型 高维数据
• 年，卷（期）: tjxyyy_2020,（4）
• 页码范围: 582-592
• 页数: 11页
• 分类号: F83

摘要

信用风险是银行经营的主要风险,影响银行的发展,有必要建立信用风险预测模型,帮助银行规避风险、减少损失。本文以某家商业银行的八万条千维数据作为研究对象,采用“分组主成分”的方法对千维变量进行降维的数据预处理,运用Logistic回归和随机森林建立信用风险预测模型。两种模型的分析结果显示,客户的信用卡级别、职业、价值等级、个人业务基本情况、存款及本外币持有额情况对违约风险预测的影响较大。Logistic回归曲线下面积为0.847,预测准确率为75%;随机森林曲线下面积为0.848,预测准确率为85%,相较于以往的研究,两个模型的预测准确率都有明显提高。实际应用时,两种模型可以相互结合,充分发挥二者的优越性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘潇		7	16	2.0	4.0
2	胡竞文		1	0	0.0	0.0
3	冯哲		1	0	0.0	0.0