摘要
N银行X支行是一家经营存、贷、汇业务的传统城市商业银行，随着互联网技术的发展，支行也朝着大零售和金融科技这两大方向转型。个人消费信贷作为大零售业务的重要组成部分，兼具金融科技应用的要求。但支行该业务发展仍处于起步阶段，客群范围相对受限、大数据资源未有效利用、风险审批效率不高、信贷资产风险承压，尚未形成完善的个人消费信贷客户风险评估系统。因此，结合N银行X支行积累的大数据资源，通过利用机器学习算法建立可量化的评分卡，计量个人用户信用风险，助力N银行X支行个人消费类信用贷款业务发展，是具有现实意义的。 本文计划从N银行X支行个人消费信贷客户风险评估这一问题入手，首先从支行这一业务的风险评估现状出发，指出当前使用中的模型已跟不上市场发展的需要，并分析了未来个人消费信贷发展将面临的内外部环境挑战。通过结合内外部文献和风险评估相关理论基础，探索将机器学习理论与传统统计分析模型相结合，构建适用于N银行X支行的基于大数据背景下的个人消费信用贷款风险评估模型。 其次，通过利用理论建模、理论分析法和比较研究法，结合机器学习算法模型对所采集到的N银行X支行个人客户数据进行分析，讨论影响个人消费类信用贷款客户违约的相关因素，比较单一模型和组合模型的优劣点，选用机器学习算法中的Gradient Boosting算法以及Logistic回归算法构建组合算法模型，为信用风险评分卡建立做好铺垫。 最后，基于组合模型建立个人消费信贷风险评分卡，以此为工具对N银行X支行个人消费信贷业务进行风险评估，并对应用在无需使用评分模型进行最终决策、需使用评分模型进行决策以及贷后风险预测三个方面给出相应的模型建议，为N银行X支行个人消费信贷风险评估模型建设带来正面影响。
NETL