基于卷积神经网络的客户信用评估模型研究

摘要：

[目的]分析客户贷款信息基础上,抽取贷款客户特征并成像,利用卷积神经网络构建客户信用模型,提高客户网贷违约预测准确率.[方法]基于Lending Club客户信用数据,将反映客户信息4个方面的特征变量相互连接综合成灰度图,建立基于卷积神经网络的客户信用评估模型.[结果]实验结果表明,基于卷积神经网络的新模型在信用评估实验中特异度为99.4％,灵敏度为68.7％,G-mean值为82.7％,F1值为81.4％,AUC值为99.5％,与传统以特征处理为基础的信用评估模型相比均有显著提升.[局限]仅对比分析有限的信用评估模型,未对不平衡数据的影响做进一步研究.[结论]基于卷积神经网络的网贷客户信用评估模型,在客户违约特征信息提取和违约可能性的预测上具有良好性能.

关键词：卷积神经网络、指标成像、信用评估、信息值、主成分分析法

所属期刊栏目：4

分类号：TP393;G250(计算技术、计算机技术)

资助基金：本文系教育部人文社会科学重点研究基地项目“新常态下促进经济稳定增长的要素配置与产业升级政策研究”;国家自然科学基金项目“中国经济周期波动的转折点识别、阶段转换及预警研究”

在线出版日期：2020-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：80-90