机器学习在信用风险组合模型中的应用与过拟合风险.docxVIP

机器学习在信用风险组合模型中的应用与过拟合风险

一、引言

信用风险是金融机构面临的最核心、占比最高的风险类型，相较于单户信用风险的独立计量，组合层面的信用风险管理需要统筹考虑个体违约概率、违约损失率、风险相关性、传染效应、集中度水平等多重复杂因素，是金融机构配置信贷资源、计提风险拨备、设定资本缓冲的核心决策依据。从信用风险管理的发展历程来看，组合模型的迭代始终围绕着“更精准刻画风险规律、更前瞻预判极端损失”的目标推进，从早期依托资产组合理论构建的传统计量模型，到近年来逐步落地的机器学习类模型，技术工具的演进不断拓展着组合风险管理的边界。但机器学习方法在提升模型性能的同时，其数据驱动、高复杂度的