通过引入银行对账单衍生特征改进信用评分模型
机器学习
2017-03-03 v2
摘要
本文研究了贷款申请人提供的银行对账单中衍生出的、且在申请表中未申报的特征，能在多大程度上提升一家新西兰贷款公司的信用评分模型。此前尚未有研究探索此类信息以这种方式改进信用评分模型的潜力。我们构建了仅基于贷款申请表现有评分特征的基线模型，以及仅基于新的银行对账单衍生特征的第二个基线模型。然后通过用新的银行对账单衍生特征扩充申请表特征，创建了组合特征模型。使用ROC分析的实验结果表明，组合特征模型优于两个基线模型，并且表明若干银行对账单衍生特征对改进信用评分模型具有价值。用于建模的目标数据集高度不平衡，朴素贝叶斯(Naive Bayes)被证明是性能最佳的模型，并优于信用评分中常用的若干其他分类器，表明其在高度不平衡数据集上未来使用的潜力。
引用
@article{arxiv.1611.00252,
title = {Improving a Credit Scoring Model by Incorporating Bank Statement Derived Features},
author = {Rory P. Bunker and Wenjun Zhang and M. Asif Naeem},
journal= {arXiv preprint arXiv:1611.00252},
year = {2017}
}