基于改进的随机森林模型的个人信用风险评估研究

作者：周永圣; 崔佳丽; 周琳云; 孙红霞; 刘淑芹

来源：征信, 2020, 38(01): 28-32.

• 信用风险评估
• 信用指标
• 特征选择
• XGBoost
• 随机森林(RF)
• XGBoost-RF

提出基于XGBoost算法的随机森林模型(即XGBoost-RF模型),以评估个人信用风险。将德国信用数据集作为数据样本,引入XGBoost算法处理数据样本,依据其得出的重要性得分筛选个人信用风险评估指标;基于所得指标,运用随机森林算法(RF)对数据样本进行分类,并分析了指标特点及分类性能。研究结果表明:实务中个人信用风险评估指标体系对"人脉关系"指标关注欠缺;无论从成本还是预测效果来看,改进的随机森林模型即XGBoost-RF模型都展示了较好的可行性和优越性。

• 单位
  中央民族大学; 北京工商大学