10.19647/j.cnki.37-1462/f.2022.01.010
机器学习视角下商业银行客户信用风险评估研究
有效把控信贷风险是商业银行稳健运行的关键环节.本文从商业银行客户信贷数据出发,运用非平衡样本处理算法使少数类样本信息得到平衡,并通过机器学习分类器挖掘影响客户违约的重要风险因子,最后构建Logistic模型计算违约概率.研究发现:第一,客户忠诚度是重要因子,忠诚度越高,客户违约概率越低;第二,客户历史信贷数据价值高,是事前风险控制中的重要参考依据;第三,信贷合同特征是影响客户违约的另一重要维度,包括合同期限和合同利率.研究结论可以为银行授信、风险预警和防范违约风险提供理论参考和实践指导.
信贷风险、非平衡处理、机器学习、Logistic模型
F830.5(金融、银行)
教育部人文社会科学研究项目18YJC790117
2022-02-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
79-84