计算机应用

作者：章宁, 陈钦

单位：1. 中央财经大学 信息学院, 北京 100081;2. 国银金融租赁股份有限公司 信息化管理部, 广东 深圳 518038

关键词：集成学习,曲线下面积,Q统计值,贷款违约预测,信息不对称性,个人对个人借贷

基金：国家重点研发计划项目（2017YFB1400701）。

针对借贷过程中的信息不对称问题，为更有效地整合不同的数据源和贷款违约预测模型，提出一种集成学习的训练方法，使用AUC（Area Under Curve）值和Q统计值对学习器的准确性和多样性进行度量，并实现了基于AUC和Q统计值的集成学习训练算法（TABAQ）。基于个人对个（P2P）贷款数据进行实证分析，发现集成学习的效果与基学习器的准确性和多样性关系密切，而与所集成的基学习器数量相关性较低，并且各种集成学习方法中统计集成表现最好。实验还发现，通过融合借款人端和投资人端的信息，可以有效地降低贷款违约预测中的信息不对称性。TABAQ能有效发挥数据源融合和学习器集成两方面的优势，在保持预测准确性稳步提升的同时，预测的一类错误数量更是进一步下降了4.85%。

来源：2019年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第4期