基于XGBoost的贷前逾期识别模型及可解释性研究

扫码查看

原文链接

万方数据
维普

中文摘要：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.

作者：

李嘉培、马咏莉

展开 >

作者单位：

郑州科技学院,郑州 450064

关键词：

贷前逾期预测机器学习 XGBoost SHAP解释框架

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

年,卷(期)：2024.(4)

参考文献量8