10.3963/j.issn.1671-6477.2022.03.003
基于加权硬投票融合模型的互联网消费金融借款人违约风险预测
首先分析了互联网消费金融违约风险的特征,运用信息经济学研究互联网消费金融借款人违约风险的形成机制,构建了借款人信用风险评价指标体系.然后构建集XGBoost、LightGBM和Cat-Boost的二分类加权硬投票融合模型,用于预测借款人违约风险.通过实证检验比较不同分类器训练下的预测结果发现:融合模型的预测精准度优于单一模型XGBoost、LightGBM和CatBoost;基于特征重要性排序结果,发现影响贷款者违约的关键因素主要包括贷款利率、年收入、公共事业差评数记录、循环信贷余额等.最后提出了加强借款人违约风险管理的建议.
互联网消费金融、二分类加权硬投票、违约风险
35
F832.39(金融、银行)
2022-08-18(万方平台首次上网日期,不代表论文的发表时间)
共11页
18-28