基于XGBoost的贷前逾期识别模型及可解释性研究

打开文本图片集

【摘  要】当前互联网经济迅速发展，网络信贷规模不断扩大，贷前识别作为网贷平台风控的重要一环，也成为大家研究的热点问题。论文将集成学习算法XGBoost应用于识别客户贷前逾期风险的问题，选取P2P平台LendingClub数据库中2019年的贷款记录为研究样本，选取12个变量构建贷前预测模型，并引入了SHAP解释框架对模型进行可视化表达，并将最终的结果与XGBoost模型输出的特征重要性作比较，进一步对模型结果进行解释，可以帮助贷款平台更好地进行客户贷款风险判断，从而降低逾期风险。（剩余4449字）