融合社会网络和Logistic模型的互联网贷款违约预测研究  

Research on Online Loan Default Prediction by Integrating Social Network Analysis and Logistic Model

作　　者：孙玮 刘东琪 Sun Wei;Liu Dongqi

机构地区：[1]河北经贸大学

出　　处：《金融科技时代》2024年第8期43-49,共7页FinTech Time

基　　金：河北省教育厅项目“教育数据资产交易机制研究”(项目编号:SQ2021101);河北经贸大学项目“基于第三方量化平台的策略开发实验项目”(项目编号:2021JYQ02);河北省金融学会项目“数字人民币生态系统研究:要素构成、圈层交互与协同演化”(项目编号:xh2024036);河北省人力资源社会保障科研合作项目“生成式人工智能在劳动力市场中的影响研究——基于河北省的扎根理论分析”(项目编号:JRSHZ-2024-02016)。

摘　　要：随着人工智能在金融风控领域的广泛应用,机器学习技术扮演着重要的角色,能够更准确、高效地评估和管理金融风险,因此,利用机器学习算法研究互联网个人贷款违约模型具有十分重要的意义。文章的创新点在于将社会网络分析引入机器学习模型来预测贷款违约,依据EDA方法选取体现违约客户的特征变量,借助复杂网络和大数据技术,构建贷款用户的社会网络,通过将用户的社会网络拓扑结构信息作为特征加入机器学习模型进行训练,提高预测的准确度。

关 键 词：EDA 社会网络分析 LOGISTIC回归模型 互联网贷款 

分 类 号：F724.6[经济管理—产业经济] F832.4[自动化与计算机技术—控制理论与控制工程] TP181[自动化与计算机技术—控制科学与工程]