基于不平衡样本的互联网个人信用评估研究

摘要：

国内互联网金融和消费信贷的迅猛发展，催生了互联网个人征信的巨大需求。针对不平衡的互联网征信数据，采用随机过抽样、随机欠抽样和SMOTE方法进行数据平衡化，并建立决策树、支持向量机和随机森林等分类模型对互联网个人信用评估进行研究，结果表明：互联网大数据背景下的个人信用评估研究具有可行性；过抽样方法可以较好地提高互联网个人信用评估模型的分类性能；构建信用等级较好用户的一般特质，即年龄在18～30岁之间、工资水平在2000元以上、用户页面浏览量多集中在10～20岁之间和申请贷款时间相对较早。在对互联网个人信用评估中变量有效性进行探索的基础上，反驳了“采用的变量越多结果就越准确”的说法。

关键词：互联网征信、不平衡样本、重抽样、随机森林

所属期刊栏目：32

分类号：C812(统计方法)

资助基金：全国统计科学重点研究课题《基于移动通信大数据的流动人口精细化挖掘研究》2015433；山西省高等学校创新人才支持计划资助项目晋教科〔2016〕3号

在线出版日期：2017-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：11-17