基于机器学习方法的信用风险评估综述

毛子林 刘姜

摘   要：基于信用风险评估的文献随着时间的推移以及技术创新的不断更新，相关机器学习方法运用近年来也与时俱进。基于此，主要从传统的机器学习方法、近现代机器学习方法以及近三年来最新研究三个方面进行信用风险评估领域文献梳理与评述，归纳现有机器学习方法存在的问题和不足，并对未来机器学习方法在金融风控领域研究方向做出展望，提出发展趋势。

关键词：机器学习方法;信用风险;评估

中图分类号：F830;TP181       文献标志码：A  文章编号：1673-291X（2021）23-0117-03

随着人工智能的发展和大数据时代的到来，众多学者利用机器学习方法对信用风险评估展开广泛研究。信用风险管理在国内外金融机构的稳健运行中扮演重要角色，传统的判断用户是否违约的方法已经不能满足当今数据类型多、用户量大、风险预测准确率高的要求，大量学者运用机器学习方法深入展开相关讨论并做出一系列研究成果，证明该方法具有较好的预测和泛化能力。整体来看，我国的个人信用风险评估较国外起步较晚，起初的文献大部分都是进行传统单一模型的风险评估，近年来才开始利用集成机器学习方法进行风险预测。信用风险对于我国金融风控领域尤为重要，因此，对此进行相关文献梳理以及发展趋势研究具有重要意义。

一、基于统计学习方法的信用风险评估综述

回归分析等方法最早用于开展信用风险评估领域。在国外，Durand（1941）利用线性判别分析法应用信贷评估系统，提出使用基于数理统计的模型对信用风险评估问题进行了研究，是已知文献中最早被用来进行信用风险评估的方法，自此信用评估由单纯的定性分析转向了定量分析。……