基于XGBoost的貸前逾期識(shí)別模型及可解釋性研究

打開(kāi)文本圖片集

【摘  要】當(dāng)前互聯(lián)網(wǎng)經(jīng)濟(jì)迅速發(fā)展，網(wǎng)絡(luò)信貸規(guī)模不斷擴(kuò)大，貸前識(shí)別作為網(wǎng)貸平臺(tái)風(fēng)控的重要一環(huán)，也成為大家研究的熱點(diǎn)問(wèn)題。論文將集成學(xué)習(xí)算法XGBoost應(yīng)用于識(shí)別客戶(hù)貸前逾期風(fēng)險(xiǎn)的問(wèn)題，選取P2P平臺(tái)LendingClub數(shù)據(jù)庫(kù)中2019年的貸款記錄為研究樣本，選取12個(gè)變量構(gòu)建貸前預(yù)測(cè)模型，并引入了SHAP解釋框架對(duì)模型進(jìn)行可視化表達(dá)，并將最終的結(jié)果與XGBoost模型輸出的特征重要性作比較，進(jìn)一步對(duì)模型結(jié)果進(jìn)行解釋?zhuān)梢詭椭J款平臺(tái)更好地進(jìn)行客戶(hù)貸款風(fēng)險(xiǎn)判斷，從而降低逾期風(fēng)險(xiǎn)。（剩余4449字）