基于机器学习算法的信用风险评估

• 作者: 王春茹
• 来源期刊: 品牌研究
• 学科: 经济
• 关键词: 信用风险 机器学习 预测
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 品牌讲堂
• 页码范围: 239-241,244
• 页数: 4页
• 分类号: F713.36
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1009.2022.07.084

摘要

信用风险问题一直是银行在风险应对中的重点,采取恰当的方式预测个人信用风险尤为重要.将机器学习、人工智能的方法纳入风险评价在业界讨论广泛,但不同机器学习内核的效率不同、对不同数据的敏感性不一致,因此本文在拓宽已有传统信用风险衡量指标的基础上,分别比较了logistic回归(LR)、支持向量机(SVM)、k近邻法(KNN)和线性判别分析(LDA)四种方法对个人信用风险预测的准确性.结果表明,SVM的RBF核所表现出的结果相对其他方法来说更好,AUC值更高,因此运用RBF核的SVM法进行个人信用风险预测能达到更高的准确性,对银行的控制个人信用风险方面有一定的参考价值.