基于集成学习算法提升方法的贷款违约预测模型选择  

作　　者：李杨 彭雅雷 徐鸣一 张亦驰 

机构地区：[1]南京审计大学,南京211815

出　　处：《中国管理信息化》2024年第9期141-144,共4页China Management Informationization

基　　金：国家社会科学基金一般项目“基于深度学习的金融高频数据波动率预测及其应用研究”(19BTJ035);江苏省自然科学基金面上项目“波动率矩阵值模型的统计推断及其在金融高频数据应用”(BK20221348);江苏省高等学校自然科学研究重大项目“波动率矩阵自回归模型统计推断及其在金融高频数据应用”(21KJA110003)。

摘　　要：机器学习的集成算法具有重要的应用价值,其实际数据分析效果较好。本文在对信贷违约数据进行数据清洗后,分别使用AdaBoost、XGBoost、LightGBM三种集成提升方法对贷款违约情况进行预测分析,构建了相应的违约预测模型。预测结果显示XGBoost与LightGBM的预测效果略优于AdaBoost方法,LightGBM的计算效率最高。

关 键 词：贷款违约 ADABOOST XGBoost LightGBM 预测模型 机器学习 集成学习算法 提升方法 

分 类 号：F832[经济管理—金融学] TP181[自动化与计算机技术—控制理论与控制工程]