基于 Logistic 回归和 XGBoost 算法的信贷风险评估研究
黄 飞豪
广西大学经济学院
DOI: https://doi.org/10.59429/jglt.v2i5.12050
Keywords: 信贷风险评估；特征选择；Logistic 回归；XGBoost
Abstract
随着个人信贷业务的不断扩展，如何从海量高维的用户信贷数据中挖掘出潜在的用户模型对用户进行信贷风 险评估，以降低信贷业务风险，已经成为研究的主流。由于没有一种模型能够在信贷风险预测中始终优于其他模型， 基于各种数据预处理和特征选择方法，将参数优化方法和 Logistic 回归、XGBoost 算法相结合，构建信贷风险评估 模型。实验表明，与 Logistic 回归方法相比，XGBoost 算法在参数优化后，能够取得更好的预测效果，在大数据背 景下，机器学习和深度学习的方法更具有优势。
References
[1] 屈忠锋，吴鸿华，李凡军 . 基于 Logistic 回归的中小企业信贷风险评估与信贷策略优化建模[J/OL]. 山东大学学报 ( 理学版 )，1-9[2024-05-10].
[2] 蔡文学，罗永豪，张冠湘等 . 基于 GBDT 与Logistic 回归融合的个人信贷风险评估模型及实证分析[J]. 管理现代化，2017,37(02):1-4.
[3] 张国政，陈维煌，刘呈辉 . 基于 Logistic 模型的商业银行个人消费信贷风险评估研究[J]. 金融理论与实践，2015,(03):53-57.
[4] 伍洁，陈迪芳，李瑞彤等 . 基于 XGBoost 和SHAP 方法的个人信贷风险评估研究[J]. 现代信息科技，2024,8(08):146-150+155.
[5] 朱丽华，龙海侠 . 群智能算法优化 XGBoost 的信贷风险预测[J]. 计算机工程与应用，2023,59(23):305-310.
[6] 廖文雄，曾碧，梁天恺等 . 面向高维数据的个人信贷风险评估方法[J]. 计算机工程与应用，2020,56(04):219-224.
[7] 徐敏洁 . 基于集成学习的网络信贷违约预测[D]. 西南大学，2023.
[8] Chen,Tianqi,and Carlos Guestrin.”Xgboost:A scalable tree boosting system.”Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining.2016.
[9] 马强，高雅，王红等 . 基于电价形成机制与XGBoost 的单轨制电力现货市场的电价预测[J/OL]. 系统科学与数学，1-25[2024-05-10].
[10] 徐智超 . 基于特征工程和改进 SMOTE 算法的信贷风险预测研究[D]. 南京邮电大学，2023.
[11] 刘晓川 . 基于 Blending 融合算法的贷后信用风险预测[D]. 西南大学，2023.
[12] 罗文，厚峰 . 大语言模型评测综述[J]. 中文信息学报，2024,38 (01):1-23.
[13] 苏逸，李晓军，姚俊萍等 . 不平衡数据分类数据层面方法：现状及研究进展[J]. 计算机应用研究，2023,40 (01):11-19.
[14] 张玥 . 基于算法融合的电商客户流失预警研究[D].东北财经大学，2022.