LightGBM算法在早期催收管理工作中的应用
当前随着金融行业监管趋严,商业银行催收工作开始逐步从粗放式向精细化转型,利用金融科技改进策略是当前商业银行催收工作优化的主要方向.该文针对逾期30天以内的客户开发违约概率模型,通过机器学习LightGBM算法构建模型,对客户进入不良的概率进行预测,以制定差异化的催收策略.实证结果表明,基于LightGBM算法构建的违约概率模型比传统的Logistic算法具备更高的预测精准度,为精细化催收管理提供数据支撑.
LightGBM、早期催收模型、催收策略
16
O212(概率论与数理统计)
2020-04-29（万方平台首次上网日期，不代表论文的发表时间）
共3页
205-206,221
