基于分类模型对个人信用风险评估的研究
信用风险属于一种行为风险，产生的原因有客观（履约能力问题）和主观（履约意愿问题）两方面，而目前大部分消费金融主要业务是围绕个人信贷来开展，因此如何正确评估个人信用风险是最重要的关键所在。本文首先构建大数据征信指标体系，提出了将极端梯度提升算法的输出结果进行独热编码转化，和筛选出入模的特征变量重新组合作为逻辑回归模型的输入变量，形成极端梯度提升算法加逻辑回归两阶段的信用评估模型，研究结果表明逻辑回归模型的稳定性和准确率最高。同时指出当极端梯度提升的预测分类效果达到较优时，融合逻辑回归模型在分类预测准确性方面有时反而偏弱，为金融机构在个人信贷业务的数据获取及模型选择上提供了一定的参考价值。