首页|基于XGBoost模型的信用风险研究

基于XGBoost模型的信用风险研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
随着计算机技术和金融科技的发展,机器学习算法广泛应用于金融风控领域.本文以银行的信贷数据为研究的样本集,在数据预处理和特征工程的基础上,分别运用XGBoost模型和逻辑回归模型预测客户借款违约概率,并用AUC作为评价指标.实证结果表明,XGBoost模型的预测结果AUC值为0.83,能够较好的预测信用风险.

阮亮亮

展开 >

四川大学经济学院 四川 成都 610000

机器学习 信用风险 XGBoost 逻辑回归

2020

福建质量管理
福建省质量管理协会

福建质量管理

ISSN：
年,卷(期)：2020.(8)
  • 1
  • 1