基于过采样Logistic回归模型的互联网贷款违约预测研究

摘要：

在持续增长的居民贷款消费需求刺激下,互联网贷款业务的规模呈现出持续快速扩张的发展态势,发挥机器学习模型在个贷违约预测的作用,控制和防范互联网贷款违约风险,具有十分重要的意义.通过对不同数据集的样本特征进行详细分析,构建个人信用风险评估指标体系,利用具有普适性特征和可解释性特征的Logistic回归模型对个贷违约进行预测.针对原始数据集存在不平衡样本的问题,分别采用过采样和欠采样的重抽样方法获得平衡样本集,调整正则化惩罚力度,选择最优结果的参数来进行建模,得到模型预测结果.最后对如何防范互联网贷款违约风险提出了相关建议.

关键词：过采样、Logistic回归模型、互联网贷款、违约预测

所属期刊栏目：24

分类号：F832.46(金融、银行)

资助基金：河北省教育厅项目;河北经贸大学项目

在线出版日期：2024-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-61