基于决策树的物流金融信用风险预测
摘要
随着各种互联网消费贷的兴起，客户的逾期风险预测成为金融行业研究的重要问题。在大数据背景下，对客户数据进行多维度建模，进行信用风险预测，构建信用逾期风险的预测模型，有利于信贷决策。以物流金融平台客户信用风险为研究对象，构建决策树模型对客户信用等级进行划分，以求获得最大化的期望收益。对比常用的分类算法C4.5、随机森林、随机森林的时序拓展，对客户逾期行为进行分类，并通过实验验证了随机森林的时序拓展方法具有较高的分类准确度。
关键词
决策树；物流金融；信用风险
参考
[1]于晓虹,楼文高.基于随机森林的P2P网贷信用风险评价、预警与实证研究[J].金融理论与实践.2016(2):53-58.
[2]MALEKIPIRBAZARIM,AKSAKALLIV.Riskassessmentinsociallendingviarandomforests[J].ExpertSystemswithApplications,2015,42(10):4621-4631.
[3]TANXiaomin,FANGAi,LIANGBing,YANGHaojie.LocatingcausesofabnormalityofEPGexperiencebasedondecisiontree.TelecommunicationsScience.2019.5
[4]赵蕊.基于WEKA平台的决策树算法设计与实现[D]长沙:中南大学,2007.
[5]YANGXiaojun,QIANLufen,BIEZhi.ComparativeStudyonDecisionTreeAlgorithmBasedonWEKAPlatform.ShipElectronicEngineering.2018.5
[6]赵卫东,董亮.机器学习[D].人民邮电出版社.2021:94-95.
[7]ShihYinOoi,ShingChiangTan,WooiPingCheah.ClassifyHumanActivitieswithTemporalExtensionofRandomForest[A].NeuralInformationProcessing.NewYork:SpringerInternationalPublishing,2016:3-10.
Refbacks
- 当前没有refback。