机器学习在信用风险评估中的特征选择问题.docxVIP

机器学习在信用风险评估中的特征选择问题

一、引言

信用风险评估是金融机构信贷业务的核心环节，其核心目标是通过对申请人的多维度信息分析，准确判断申请人的未来违约概率，进而做出合理的授信决策，从源头上把控信贷资产质量。在传统信贷业务发展过程中，金融机构逐步形成了以评分卡为核心的风险评估体系，依赖人工经验筛选有限的强相关特征构建线性模型，虽然可解释性较强，但风险识别精度有限，难以覆盖缺乏征信记录的长尾客群。随着数字普惠金融的快速发展，机器学习技术被广泛应用于信用风险评估领域，能够处理高维、非线性的多源数据，大幅提升了风险识别的精度和效率，为服务长尾客群、降低信贷服务门槛提供了技术可能。但与之相伴的是，信用评估可用的特征维度从传统模式下的数十项快速扩张到数千项，数据来源涵盖传统征信记录、消费行为数据、设备信息数据、公共服务数据等多个维度，高维数据带来的信息冗余、噪音干扰、维度灾难等问题，让特征选择成为决定机器学习信用评估模型成败的核心环节。

已有研究指出，机器学习模型的性能提升很大程度上取决于特征工程的质量，而非模型结构的复杂程度，优质的特征选择能够以更低的维度、更少的计算成本实现更优的泛化性能（周志华，2016）。从行业实践来看，当前很多机构在构建机器学习风控模型时，往往将重点放在算法模型的迭代升级上，对特征选择的场景特殊性重视不足，照搬通用机器学习的特征选择方法，导致模型出现跨期性能衰