在线消费信贷风险的神经学习
风险管理
2019-06-06 v1 机器学习
摘要
本文采用深度学习方法，研究电子商务平台向客户发放无担保信用以资助其购买时的消费信贷风险。“NeuCredit”模型能够捕捉各维度事件频率不同时多维时间序列数据中的序列依赖关系，也可捕捉不同时间演化特征间的非线性横截面交互。此外，预测的违约概率被设计为可解释的形式，使风险可分解为三个部分：表示消费者还款意愿的主观风险、表示其还款能力的客观风险，以及表示消费者行为差异的行为风险。利用来自全球最大电子商务平台之一的独特数据集，我们表明除常规支付记录外，纳入购物行为数据需要深度学习方法提取这些数据的信息内容，其结果显著提升了相较于传统机器学习方法的预测表现。
引用
@article{arxiv.1906.01923,
title = {Neural Learning of Online Consumer Credit Risk},
author = {Di Wang and Qi Wu and Wen Zhang},
journal= {arXiv preprint arXiv:1906.01923},
year = {2019}
}
备注
49 pages, 11 tables, 7 figures