基于最优基模型集成算法的信贷违约预测研究

为了保障金融机构的金融安全,应用机器学习进行信贷违约预测已成为研究重点。为此,构建了6个机器学习基模型,调至最优参数后再分别用Voting、Stacking、Adaboost方法集成。实验表明,在多种基模型中,随机森林(RF)取得了较好的效果;而在集成方法中,Adaboost对基模型的提升最显著。文中构建的Adaboost-RF模型在信贷预测上的交叉验证得分达到了0.904,明显优于其它方法,该方法对金融机构制定信贷决策具有一定的借鉴意义。