基于机器学习的信用评分模型与传统逻辑回归比较.docxVIP

基于机器学习的信用评分模型与传统逻辑回归比较

一、引言

信用风险评估是金融机构风险管理的核心环节，其模型精度与稳定性直接决定了信贷资产的质量与金融服务的覆盖边界（巴塞尔银行监管委员会，2019）。从早期的专家经验判断到量化统计模型的普及，信用评分方法的演进始终围绕着“更精准识别风险、更公平开展评价、更稳健支撑决策”的核心目标推进。在过去很长一段时期内，逻辑回归模型凭借其稳定、透明的特性，成为全球持牌金融机构搭建信用评分体系的主流选择，支撑了零售信贷业务的规模化发展。近年来随着数字经济的快速发展，信贷服务的覆盖范围不断向缺乏传统征信记录的普惠客群延伸，可用于信用评估的数据维度从传统的收入、负债、