中小企业管理与科技2024，Issue(4) ：50-52.

基于XGBoost的贷前逾期识别模型及可解释性研究

李嘉培 马咏莉
中小企业管理与科技2024，Issue(4) ：50-52.
✕
  • 维普
  • 万方数据

基于XGBoost的贷前逾期识别模型及可解释性研究

李嘉培 1马咏莉1
扫码查看

作者信息

  • 1. 郑州科技学院,郑州 450064
  • 折叠

摘要

当前互联网经济迅速发展,网络信贷规模不断扩大,贷前识别作为网贷平台风控的重要一环,也成为大家研究的热点问题.论文将集成学习算法XGBoost应用于识别客户贷前逾期风险的问题,选取P2P平台LendingClub数据库中 2019 年的贷款记录为研究样本,选取12 个变量构建贷前预测模型,并引入了SHAP解释框架对模型进行可视化表达,并将最终的结果与XGBoost模型输出的特征重要性作比较,进一步对模型结果进行解释,可以帮助贷款平台更好地进行客户贷款风险判断,从而降低逾期风险.

关键词

贷前逾期预测/机器学习/XGBoost/SHAP解释框架

引用本文复制引用

出版年

2024
中小企业管理与科技
河北省中小企业服务中心

中小企业管理与科技

影响因子：0.484
ISSN：1673-1069
参考文献量8
段落导航相关论文