基于GBDT+LR 模型在个人信用风险评估中的研究

◆张丽娟

（安徽大学经济学院 安徽 230601）

随着经济的发展和个人消费观念的改变，信贷业务逐渐进入人们的日常生活，在商业银行以及很多金融机构中都是一项重点发展的业务，信用风险分析在信贷行业至关重要，信贷机构对借款人的还款能力和还款意愿进行评估，判断是否对借款人进行贷款发放以及借贷金额和贷款期限，这有利于信贷平台有效地减少潜在的风险。机器学习中的一些算法例如逻辑回归，决策树，随机森林等都被应用于个人信用评估中，但是在数据集的维度较复杂时，这些算法如果不能进行很好的特征选择和特征组合，且不能很好的处理一些敏感信息，那么模型的预测准确率会大大下降。

本文所提出的一种基于GBDT与LR算法构建的一种用于个人信用评估的风险控制模型，首先利用GBDT 分类器构造新特征，再用逻辑回归模型进行预测分析，有效地解决了特征选择和异常值问题，在一定程度上避免了模型过拟合问题。通过全球最大的P2P 平台LendingClub 的信贷数据进行实证分析验证了该模型在个人信用评估上具有更好的适用性和稳定性。

1 相关研究

个人信用风险评估是一个二分类问题，即对借款人进行分类判断是否发放贷款。传统的信用风险评估主要是依靠有丰富经验的专业人员的人工审核借款人的基本信息。随着数据时代和业务数量的增长，传统人工审核方法不再适用。秦宛顺[1]等构建了基于Logistic 回归的个人信用评分模型，对客户进行‘好坏’的分类。……