基于混合模型的利润驱动违约判别临界点研究

违约判别临界点是金融机构是否接受客户贷款申请的重要参考,合适的违约判别临界点对减少金融机构贷款损失实现稳健经营具有重要意义。本文研究的问题是如何保证计算客户违约概率的准确性,并找到利润最大化的违约判别临界点。本文的创新与特色:一是通过将多个不同类型的违约判别模型计算的客户违约概率进行加权平均,保证了计算客户违约概率的的整体准确性,避免了使用单一模型计算客户违约概率不准确的弊端;二是通过定义金融机构从贷款中获得利润的计算公式,以利润最大为目标,求解违约判别临界点,避免了现有计算临界点的方法如广义对称点估计和经验似然法等方法得到的临界点利润不是最大的弊端。研究发现:混合模型比单一模型的准确性高,AUC值显著提高;在人人贷数据集中本文的违约判别临界点下贷款利润远高于其他方法下临界点的利润。