基于LSTM-CNN的贷款逾期预测方法研究  

作　　者：李婉 LI Wan

机构地区：[1]东南大学软件学院,江苏南京211189

出　　处：《信息技术与信息化》2020年第11期40-41,共2页Information Technology and Informatization

摘　　要：本文的数据来源于国内一家银行的内部数据,包括客户的信贷历史、还款记录和逾期情况等,由于不均衡数据的性质,需要对训练集进行过采样,从而使得逾期和不逾期的数量相对均衡。并且可以将时间和特征看作两个维度,采用人工编码的方法,将多特征序列数据编码为人工图像,一方面,多特征时间序列可以看作图像作为CNN的输入,另一方面,也可以看作时间序列,采用LSTM提取特征。CNN在特征提取方面的优势和LSTM在时序预测方面的优势可以在融合过程中表现出来,评估结果也表明,LSTM-CNN融合模型的表现优于单一的CNN和LSTM模型。

关 键 词：个人贷款 卷积神经网络(CNN) 银行风险控制 模型融合 长短期记忆神经网络(LSTM) 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] F832.4[自动化与计算机技术—控制科学与工程]