基于交易信息的个人信用风险建模与实证分析

摘要：

根据某商业银行提供的客户历史交易数据,首先基于8万条记录,628个变量的原始数据进行统计描述分析,筛选出有效数据集;其次利用Lasso估计,找到最优调节参数lambda,根据lambda与变量数目对应走势图,最终筛选出19个变量,并分别针对违约与不违约客户进行特征描述,再结合参数估计结果分析,发现男性的违约几率是女性的1.06倍;“6个月存款月日均金额”、“最近6个月活期存款月日均余额”、“最近6个月内账户贷方月均交易金额”、“3个月月平均本币新增余额”的发生额越大,客户越容易违约;而“负债总额”的取值越大,违约几率越低.最后建立Lasso-logistic模型,分析结果显示:训练集预测准确率为84.62％,测试集预测准确率为78.80％,模型外推效果良好.

关键词：交易信息、变量筛选、Lasso-logistic模型

所属期刊栏目：35

分类号：F832.4;F224(金融、银行)

在线出版日期：2019-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：58-69