基于XGBoost模型的信用风险研究

摘要：

随着计算机技术和金融科技的发展,机器学习算法广泛应用于金融风控领域.本文以银行的信贷数据为研究的样本集,在数据预处理和特征工程的基础上,分别运用XGBoost模型和逻辑回归模型预测客户借款违约概率,并用AUC作为评价指标.实证结果表明,XGBoost模型的预测结果AUC值为0.83,能够较好的预测信用风险.

关键词：机器学习、信用风险、XGBoost、逻辑回归

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：142