基于組合分類器的個人信用評估模型

摘要：隨著消費信貸的發展以及銀行對信用風險的關注，個人信用評估已成為銀行業研究的一個重要內容。目前信用評估的研究中多采用單一分類器，預測精度難以提高，因此文章提出了基于AdaBoost組合分類器算法的個人信用評估模型。與單分類器模型的比較結果表明，基于組合分類器的模型具有更高的預測準確率。

關鍵詞：信用評估；組合分類器；分類；數據挖掘

一、 引言

隨著金融的全球化趨勢和銀行業競爭的加劇，如何有效地控制和防范商業銀行的信貸風險正在受到越來越廣泛的重視。在我國，個人消費信貸雖然起步較晚，但是發展迅猛，信貸產品層出不窮，同時由于我國的個人征信體系尚未建立和完善，消費信貸蓬勃發展的背后隱藏著巨大的信用風險，如何在擴大信貸規模的同時準確分析消費者的信用狀況，確立合理的授信機制是各大商業銀行不得不面對和解決的重要問題。

西方國家在個人信用評估方面已經積累起了較多的經驗，目前最常用的是基于分類的信用評分方法，即把信用評估看作一個模式識別問題，根據歷史記錄中貸款者提供的個人信息以及履約或違約的結果，從中歸納出個人信息與履約或違約之間的規則，從而預測貸款申請者按時還款的可能性。這種思想最早可以追溯到1936年Fisher的一項實驗。1941年，David Durand第一個用信用評分來區別履約和違約貸款的申請。此后，信用評分的方法得到了廣泛的應用。……