基于改进的随机森林模型的个人信用风险评估研究

• 作者: 刘淑芹 周永圣 周琳云 孙红霞 崔佳丽
• 来源期刊: 征信
• 学科: 经济
• 关键词: 信用风险评估 信用指标 特征选择 XGBoost 随机森林(RF) XGBoost-RF
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 28-32
• 页数: 5页
• 分类号: F832.4|F724.6
• 字数: 5844字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-747X.2020.01.006

摘要

提出基于XGBoost算法的随机森林模型(即XGBoost-RF模型),以评估个人信用风险.将德国信用数据集作为数据样本,引入XGBoost算法处理数据样本,依据其得出的重要性得分筛选个人信用风险评估指标;基于所得指标,运用随机森林算法(RF)对数据样本进行分类,并分析了指标特点及分类性能.研究结果表明:实务中个人信用风险评估指标体系对“人脉关系”指标关注欠缺;无论从成本还是预测效果来看,改进的随机森林模型即XGBoost-RF模型都展示了较好的可行性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周永圣	北京工商大学商学院	27	255	9.0	15.0
2	刘淑芹	中央民族大学管理学院	14	200	7.0	14.0
3	孙红霞	北京工商大学商学院	16	71	4.0	7.0
4	崔佳丽	北京工商大学商学院	3	4	1.0	2.0
5	周琳云	北京工商大学商学院	1	4	1.0	1.0