客户分组对商业银行个人信用评分模型的提升作用研究

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.

关键词：分组模型;信用评分模型;模糊聚类;CART决策树

所属期刊栏目：39

分类号：F820.4;F224(货币)

资助基金：国家自然科学基金;国家自然科学基金;中国博士后科学基金资助项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：67-71