霍云艳,徐鹏赢,李康乐,李 岩

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。本文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。

决策树；物流金融；信用风险

[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] MALEKIPIRBAZARI M, AKSAKALLI V.Risk assessment in social lending via random forests[J].Expert Systems with Applications, 2015, 42 (10) :4621-4631. [3] TAN Xiaomin, FANG Ai, LIANG Bing, YANG Haojie . Locating causes of abnormality of EPG experience based on decision tree. Telecommunications Science.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] YANG Xiaojun, QIAN Lufen, BIE Zhi.Comparative Study on Decision Tree Algorithm Based on WEKA Platform. Ship Electronic Engineering. 2018.5 [6] 赵卫东,董亮.机器学习[D].人民邮电出版社.2021:94-95. [7] Shih Yin Ooi, Shing Chiang Tan, Wooi Ping Cheah. Classify Human Activities with Temporal Extension of Random Forest[A].Neural Information Processing. New York: Springer International Publishing,2016:3-10.

点击下载PDF