Logistic及其改進(jìn)方法在個人網(wǎng)貸信用評分中的應(yīng)用

1、Logistic及其改進(jìn)方法在個人網(wǎng)貸信用評分中的應(yīng)用近年來 , 隨著我國經(jīng)濟(jì)的快速發(fā)展和人們消費觀念的轉(zhuǎn)變, 信用消費在消費活動中逐漸占據(jù)核心地位。 越來越多的人向商業(yè)銀行或金融機(jī)構(gòu)申請信用消費貸款 , 申請者關(guān)注于信貸申請是否能被批準(zhǔn) , 而商業(yè)銀行或金融機(jī)構(gòu)關(guān)心申請者能否按時償還信貸。商業(yè)銀行或金融機(jī)構(gòu)通過將信用評分模型作為個人信用評分工具 , 預(yù)測申請者是違約客戶還是信譽(yù)客戶 , 進(jìn)而判斷是否將信貸授予申請者。如何精準(zhǔn)識別潛在違約客戶 , 最小化商業(yè)銀行或金融機(jī)構(gòu)因客戶信用違約風(fēng)險而造成的損失 , 是各金融機(jī)構(gòu)一直以來需解決的核心問題。因此 , 建立完善有效的個人信用評分模型具有重要意

2、義。本文采用某網(wǎng)貸平臺個人網(wǎng)貸信用數(shù)據(jù) , 在進(jìn)行預(yù)處理時 , 采用單一填補(bǔ)法和眾數(shù)法對缺失值進(jìn)行填補(bǔ) , 采用重抽樣法對非平衡數(shù)據(jù)進(jìn)行平衡處理。在此基礎(chǔ)上 , 采用 Logistic回歸 ,Lasso-Logistic回歸以及基于 ShapleyValue 的 Lasso-Logistic回歸三種方法建立個人信用評分模型。通過對個人網(wǎng)貸信用評分?jǐn)?shù)據(jù)進(jìn)行實證分析, 以預(yù)測精度作為衡量標(biāo)準(zhǔn), 將樣本數(shù)據(jù)分為訓(xùn)練集和測試集兩部分 , 分析比較三種方法在信用評分中的預(yù)測效果。同時比較加入某網(wǎng)貸平臺已有的信用評級指標(biāo)前后, 這三種方法的預(yù)測效果。通過對個人網(wǎng)貸信用數(shù)據(jù)采用這三種模型進(jìn)行實證分析, 結(jié)果

3、表明 ,Logistic回歸及其改進(jìn)方法都具有很好的穩(wěn)健性和預(yù)測性, 并且從預(yù)測精度來看 ,Lasso-Logistic回歸和基于 Shapley Value 的 Lasso-Logistic回歸的預(yù)測準(zhǔn)確率明顯高于Logistic回歸。這是因為 :Lasso-Logistic回歸方法是在 Logistic回歸基礎(chǔ)上加入懲罰項 ,使模型剔除了相對不重要的變量, 降低了模型的復(fù)雜度 , 其預(yù)測精度最高 ; 基于Shapley Value的 Lasso-Logistic回歸方法是將每個系數(shù)的相對貢獻(xiàn)度作為其權(quán)重 , 使模型具有調(diào)整回歸系數(shù)的作用, 模型亦表現(xiàn)出高于Logistic回歸的預(yù)測精度。同時 , 通過對比加入某網(wǎng)貸平臺已有的信用評級指標(biāo)前后的預(yù)測結(jié)果, 發(fā)現(xiàn)在有平臺信用評級的基礎(chǔ)上再進(jìn)行Logistic回歸、 Lasso Logistic回歸以及Shapley Value Lasso-Logistic回歸之后的總體預(yù)測準(zhǔn)確率均明顯高于無平臺信用評級時的準(zhǔn)確率 , 這為將 Lasso 和 Shapley Valu