客户分组对商业银行个人信用评分模型的提升作用研究

• 作者: 张亚京 赵志冲
• 来源期刊: 征信
• 学科: 经济
• 关键词: 分组模型 信用评分模型 模糊聚类 CART决策树
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 信用评分
• 页码范围: 67-71
• 页数: 5页
• 分类号: F820.4|F224
• 语种: 中文
• DOI: 10.3969/j.issn.1674-747X.2021.12.010

摘要

分组模型是指根据借款人的行为特征分出不同的客群,是信用评分模型开发中的重要一环,可以提升信用评分模型的精度.采用模糊C均值聚类和CART决策树两种方法对全部借款人进行分组,并对分组后的每个客群进行WOE数值转换和逻辑回归信用评分模型的构建,通过对比发现分组后信用评分模型的KS和AUC均有提升,其中模糊C均值聚类作为无监督学习方法也取得较好的模型性能.