基于最优基模型集成算法的信贷违约预测研究

摘要：

为了保障金融机构的金融安全,应用机器学习进行信贷违约预测已成为研究重点.为此,构建了 6 个机器学习基模型,调至最优参数后再分别用Voting、Stacking、Adaboost方法集成.实验表明,在多种基模型中,随机森林(RF)取得了较好的效果;而在集成方法中,Adaboost对基模型的提升最显著.文中构建的Adaboost-RF模型在信贷预测上的交叉验证得分达到了0.904,明显优于其它方法,该方法对金融机构制定信贷决策具有一定的借鉴意义.

关键词：信贷预测、机器学习、集成学习、随机森林

所属期刊栏目：13

分类号：TP399(计算技术、计算机技术)

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：64-70,75