基于随机森林的个人信用评估模型研究及实证分析

被引：30

作者：

萧超武 ^{[1
]}

蔡文学 ^{[1
]}

黄晓宇 ^{[1
]}

陈康 ^{[2
]}

机构：

[1] 华南理工大学经济与贸易学院

[2] 中国电信股份有限公司广东研究院

来源：

管理现代化 | 2014年 / 34卷 / 06期

基金：

国家高技术研究发展计划(863计划);

关键词：

个人信用评估; 随机森林; 特征变量评价;

D O I：

暂无

中图分类号：

F224 [经济数学方法]; F832.4 [信贷];

学科分类号：

0701 ; 070104 ;

摘要：

信用评估是商业银行控制和防范信贷风险的关键途径,针对当前个人信用评估模型多使用单一分类器,容易导致过拟合且预测精度有限的问题,提出了基于随机森林组合分类算法的个人信用评估模型,并在实证分析中与KNN、RBF-NET、SVM等单分类器模型以及组合模型GBDT比较,发现基于随机森林组合分类器模型,在个人信用评估的应用中,具有更高的预测精度和稳定性。通过对特征变量评价发现,贷款者个人信息中现有账户状态(透支或有余额等情况)、信贷期限、信贷历史记录、贷款金额对信用风险预测准确率有显著的影响。

引用

页码：111 / 113

页数：3