基于XGBoost的貸前逾期識別模型及可解釋性研究

打開文本圖片集

【摘  要】當(dāng)前互聯(lián)網(wǎng)經(jīng)濟迅速發(fā)展，網(wǎng)絡(luò)信貸規(guī)模不斷擴大，貸前識別作為網(wǎng)貸平臺風(fēng)控的重要一環(huán)，也成為大家研究的熱點問題。論文將集成學(xué)習(xí)算法XGBoost應(yīng)用于識別客戶貸前逾期風(fēng)險的問題，選取P2P平臺LendingClub數(shù)據(jù)庫中2019年的貸款記錄為研究樣本，選取12個變量構(gòu)建貸前預(yù)測模型，并引入了SHAP解釋框架對模型進行可視化表達，并將最終的結(jié)果與XGBoost模型輸出的特征重要性作比較，進一步對模型結(jié)果進行解釋，可以幫助貸款平臺更好地進行客戶貸款風(fēng)險判斷，從而降低逾期風(fēng)險。（剩余4449字）