首页|基于改进的随机森林模型的个人信用风险评估研究

基于改进的随机森林模型的个人信用风险评估研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
提出基于XGBoost算法的随机森林模型(即XGBoost-RF模型),以评估个人信用风险.将德国信用数据集作为数据样本,引入XGBoost算法处理数据样本,依据其得出的重要性得分筛选个人信用风险评估指标;基于所得指标,运用随机森林算法(RF)对数据样本进行分类,并分析了指标特点及分类性能.研究结果表明:实务中个人信用风险评估指标体系对“人脉关系”指标关注欠缺;无论从成本还是预测效果来看,改进的随机森林模型即XGBoost-RF模型都展示了较好的可行性和优越性.
Study on the Evaluation of Personal Credit Risk Based on the Improved Random Forest Model

周永圣、崔佳丽、周琳云、孙红霞、刘淑芹

展开 >

北京工商大学商学院,北京100048

中央民族大学管理学院,北京100081

信用风险评估 信用指标 特征选择 XGBoost 随机森林(RF) XGBoost-RF

国家自然科学基金首都流通业研究基地项目北京市“高精尖学科建设(市级)——工商管理”项目

718710021900585703119005902053

2020

征信
中国人民银行郑州培训学院

征信

CHSSCD北大核心
影响因子：0.904
ISSN：1674-747X
年,卷(期)：2020.38(1)
  • 15
  • 8