基于机器学习的互联网金融机构信用风险识别

• 作者: 杨波 陈飞
• 来源期刊: 金融科技时代
• 关键词: 互联网金融 违约预测 机器学习 信用风险
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术应用
• 页码范围: 43-49
• 页数: 7页
• 字数: 5946字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0799.2020.01.010

摘要

相比传统金融行业,由于网络空间的复杂性,互联网金融的信用风险往往更为显著,因此,预测信贷违约成为控制信用风险、保证相关金融业务或借贷平台正常运行的重要条件.本文基于互联网金融上市公司拍拍贷的大量真实交易数据,经过数据清洗和特征工程,对多种机器学习算法建立融合模型,提升了信用风险预测的准确性.同时,基于人工特征筛选和树模型信息增益的特性,发现用户网络行为特征相比个人信息特征在信用风险的识别中更为有效.最后,本文还针对互联网金融行业的信用风险提出了应对措施与建议.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨波	江汉大学商学院	54	131	6.0	9.0
2	陈飞	江汉大学商学院	2	8	1.0	2.0