采用信息化手段防控信贷违约风险对保障信贷产业健康发展具有重大的现实意义。传统信贷违约预测模型风险防控能力有限,且在应用有效性评价指标缺乏统一标准。为此,分别基于支持向量机,贝叶斯及随机森林方法建立了信贷违约预测模型,并提...采用信息化手段防控信贷违约风险对保障信贷产业健康发展具有重大的现实意义。传统信贷违约预测模型风险防控能力有限,且在应用有效性评价指标缺乏统一标准。为此,分别基于支持向量机,贝叶斯及随机森林方法建立了信贷违约预测模型,并提出了由准确率、AUC(Area Under ROC Curve)及漏警率所组成的模型性能综合评价指标,同时分别应用信贷信息原始数据和经特征提取后的数据,针对以上三个预测模型性能进行的对比实验表明,由于信贷违约数据具有小基数特征,常规的对初始数据进行特征提取的方法会丧失数据间的高维关联,将严重影响模型的预测效果;同时,基于随机森林的违约预测模型,较其它两个模型表现出更为优异的性能,准确率达到91.2%,综合评价指标达到81.7%,更适用于信贷违约预测领域。展开更多
文摘采用信息化手段防控信贷违约风险对保障信贷产业健康发展具有重大的现实意义。传统信贷违约预测模型风险防控能力有限,且在应用有效性评价指标缺乏统一标准。为此,分别基于支持向量机,贝叶斯及随机森林方法建立了信贷违约预测模型,并提出了由准确率、AUC(Area Under ROC Curve)及漏警率所组成的模型性能综合评价指标,同时分别应用信贷信息原始数据和经特征提取后的数据,针对以上三个预测模型性能进行的对比实验表明,由于信贷违约数据具有小基数特征,常规的对初始数据进行特征提取的方法会丧失数据间的高维关联,将严重影响模型的预测效果;同时,基于随机森林的违约预测模型,较其它两个模型表现出更为优异的性能,准确率达到91.2%,综合评价指标达到81.7%,更适用于信贷违约预测领域。
