CAJ | 학술논문

信用评估是商业银行控制和防范信贷风险的关键途径,针对当前个人信用评估模型多使用单一分类器,容易导致过拟合且预测精度有限的问题,提出了基于随机森林组合分类算法的个人信用评估模型,并在实证分析中与KNN、RBF-NET、SVM等单分类器模型以及组合模型GBDT比较,发现基于随机森林组合分类器模型,在个人信用评估的应用中,具有更高的预测精度和稳定性.通过对特征变量评价发现,贷款者个人信息中现有账户状态(透支或有余额等情况)、信贷期限、信贷历史记录、贷款金额对信用风险预测准确率有显著的影响.
신용평고시상업은행공제화방범신대풍험적관건도경,침대당전개인신용평고모형다사용단일분류기,용역도치과의합차예측정도유한적문제,제출료기우수궤삼림조합분류산법적개인신용평고모형,병재실증분석중여KNN、RBF-NET、SVM등단분류기모형이급조합모형GBDT비교,발현기우수궤삼림조합분류기모형,재개인신용평고적응용중,구유경고적예측정도화은정성.통과대특정변량평개발현,대관자개인신식중현유장호상태(투지혹유여액등정황)、신대기한、신대역사기록、대관금액대신용풍험예측준학솔유현저적영향.