基于人工智能的Lasso-GBDT信用卡风险评级方法

摘要：

在信贷信息不对称现状下,构建可靠的个人信用评分模型等信用评级方法评估贷款人的信用违约风险水平具有重要的现实意义.论文将具有互补性的Lasso-GBDT模型组合引入个人信用评级,发现Lasso-GBDT组合模型能够准确地筛选出重要变量;通过对商业银行个人信用评级进行实证分析发现,相较于Lasso-RF模型,Lasso-GBDT模型更能在抓住信用风险关键因素的基础上准确预测信用卡违约状况.

关键词：人工智能、信用评级、Lasso-GBDT组合模型

分类号：F832.2;F224.7;TP311.52

资助基金：国家社会科学基金18VFH004

在线出版日期：2022-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：28-38