期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于分层模型的银行客户信用风险预测研究 被引量:2
1
作者 张瑜 廖长勇 王新军 《金融发展研究》 北大核心 2021年第10期55-60,共6页
本文基于商业银行客户信贷记录数据集,通过运用拉普拉斯分层模型对客户的信用风险进行预测研究。利用客户群体存在差异化的特点,采用XGBoost机器学习算法来选择分层特征以及结合多元特征的组合形式来预测客户的违约情况。在不同分层特... 本文基于商业银行客户信贷记录数据集,通过运用拉普拉斯分层模型对客户的信用风险进行预测研究。利用客户群体存在差异化的特点,采用XGBoost机器学习算法来选择分层特征以及结合多元特征的组合形式来预测客户的违约情况。在不同分层特征结构下依次对比拉普拉斯分层模型、单独模型、共同模型和随机森林四个模型的预测效果,并建立模拟数据集来对拉普拉斯分层模型的性能进行验证。研究发现:(1)拉普拉斯分层模型的预测精度是最高的,预测性能具有稳定性;(2)本文数据集所适用的最佳分层特征是贷款金额、年龄和婚姻;(3)分层特征的选择和数量会依据不同数据而产生相应变化,并非一成不变。结合本文的研究思路和结果,以期为商业银行在客户信用风险评估实践中提供新的思考和建议。 展开更多
关键词 信用风险 分层特征 拉普拉斯分层模型 XGBoost算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部