P2P借贷中用于信用评估的次级属性确定
综合金融
2020-06-25 v1 机器学习
风险管理
机器学习
摘要
传统银行机构以及点对点借贷实体对次级信用评估手段的需求日益增长。在当下技术时代这一点尤为重要：严格依赖主要信用历史无法区分“好”借款人与“坏”借款人，并最终损害个体借款人及投资者整体利益。我们利用机器学习分类与聚类算法，在识别对信用评分有贡献的特定次级属性的同时，准确预测借款人的信用状况。尽管在预测贷款能否全额偿还方面已有大量研究，但借贷特征选择领域相对新颖。我们在LendingClub数据上取得了65%的F1与73%的AUC，同时识别出关键的次级属性。
引用
@article{arxiv.2006.13921,
title = {Determining Secondary Attributes for Credit Evaluation in P2P Lending},
author = {Revathi Bhuvaneswari and Antonio Segalini},
journal= {arXiv preprint arXiv:2006.13921},
year = {2020}
}