大数据的信用评分价值：利用手机数据与社会网络分析促进金融包容
社会与信息网络
2020-03-20 v1 计算机与社会
机器学习
机器学习
摘要
信用评分无疑是分析学最古老的应用之一。近年来，已开发大量精细分类技术以提升信用评分模型的统计性能。本文不聚焦于技术本身，而是利用替代数据源来提升模型在统计与经济两方面的性能。该研究通过在正信用信息的背景下，将呼叫网络作为一种新的大数据源纳入，并应用利润度量与基于利润的特征选择，展示了其在利润方面的增值。研究使用包括呼叫详细记录、客户的贷记与借记账户信息在内的独特数据集组合，为信用卡申请人创建评分卡。呼叫详细记录用于构建呼叫网络，并应用先进的社会网络分析技术将先前违约者的影响在网络中传播以产生影响分数。结果显示，在信用评分模型中将呼叫详细记录与传统数据结合，在以 AUC 衡量时显著提升了模型性能。在利润方面，仅使用呼叫行为特征构建的模型最佳。此外，无论在统计还是经济性能上，呼叫行为特征在其他模型中均最具预测力。这些结果在呼叫详细记录的伦理使用、监管影响、金融包容以及数据共享与隐私方面具有重要意义。
引用
@article{arxiv.2002.09931,
title = {The Value of Big Data for Credit Scoring: Enhancing Financial Inclusion using Mobile Phone Data and Social Network Analytics},
author = {María Óskarsdóttir and Cristián Bravo and Carlos Sarraute and Jan Vanthienen and Bart Baesens},
journal= {arXiv preprint arXiv:2002.09931},
year = {2020}
}