基于机器学习的个人信用风险预测研究.pdfVIP

行行业观察

基于机器学习的个人信用风险预测研究

仝清艳首都经济贸易大学管理工程学院

[摘要]在大数据时代，数据量的爆发式增长使得传统风控方法难以满足银行业信贷业务的发展需求。文章提出了

基于机器学习的个人信用风险预测方法，利用UCI德国信用数据集和Kaggle的lendingclub数据集，通过构建逻

辑回归、随机森林、K近邻和极限梯度提升模型，验证了机器学习技术在信用风险评估中的有效性。实验结果表明，

极限梯度提升模型在两个数据集上均表现最佳，显示了机器学习在信用风险评估中的应用前景。

[关键词]个人信用风险；机器学习；XGboost

中图分类号：F275；TP39文献标识码：A文章编号：1674-1722（2024）16-0019-03

《巴塞尔新资本协议》将信用风险定义为商业银行贷款中的个人信用风险，提高了对高违约风险客户的识

面临的八大风险之一。近年来，随着我国经济下行压力别准确率[4]。张俊丽等基于逻辑回归构建了个人信用评

的增加，商业银行面临的信用风险不断扩大。截至2023分卡模型，帮助决策者制定科学的授信和定价策略[5]。

年年末，国内银行业的不良贷款总额已经攀升至3.8万陈巩等提出了一种结合多尺度卷积和注意力机制的深度

亿元，不良贷款比率达到1.86%。随着数据量的爆发式特征融合提取器，运用XGBoost分类器进行信用风险评

增长，传统的风控方法已无法满足当下银行业信贷业务估，取得了较好的预测结果[6]。

的发展需要。在大数据风控体系下，如何借鉴已有成熟二、研究方法

的信息技术，依托商业银行现有的海量客户数据，实现K近邻算法基于“相似的样本具有相似的输出”的

风险预测，成为值得进一步深入研究的问题。因此，基假设，通过计算样本之间的距离进行预测。对于一个待

于机器学习的个人信用风险预测研究应运而生。预测的样本，KNN算法会在训练数据集中找到距离其最近

机器学习方法能够从大规模、复杂的征信数据中提的K个样本，根据这些邻居的类别或值，决定该样本的

取有价值的信息，通过算法识别数据与信用风险之间的类别或预测值。具体而言，对给定的测试样本，计算它

潜在联系。利用训练数据驱动的模型，机器学习可以精与训练数据集中每个样本的距离，再根据距离从小到大

准刻画借贷对象的信用风险行为，从而综合评定其信用排序，选择距离最近的K个邻居。对K个邻居所属的类

水平。常用的机器学习算法包括逻辑回归、决策树[1]、别进行投票，票数最多的类别即为测试样本的预测类别。

随机森林等。通过选择和组合不同的机器学习算法，金随机森林是一种集成学习方法，核心原理是“集思

融机构可以构建强大的信用风险评估模型，提高风险管广益”，即通过组合多个弱预测模型（决策树）的预测

理能力。在大数据时代，这些基于机器学习的方法将帮结果，提高整体模型的准确性和鲁棒性。在随机森林中，

助金融机构更准确地评估和管理信用风险，提高金融服每棵决策树的训练过程都涉及两个关键的随机性因素。

务的效率和安全性。一是自助采样（BootstrapSampling），对于每棵决策

一、关于机器学习算法的文献评述树，随机森林从原始训练集中有放回地随机抽取数据点，

机器学习算法在个人信用风险预测的应用上取得了形成多个不同的训练子集。二是特征随机选择，对于每

显著的进展和丰富的成果。顾洲一、胡丽娟利用国内商棵树的每个分裂节点，随机森林从所有特征中随机选择

业银行的客户信贷记录，采用非平