基于LightGBM与SHAP的信贷违约预测方法研究

作     者：戴峥琪 雷亿辉 彭晨 夏广萍 DAI Zhengqi;LEI Yihui;PENG Chen;XIA Guangping

作者机构：吉首大学数学与统计学院湖南吉首416000 吉首大学计算机科学与工程学院湖南吉首416000 

基　　金：国家自然科学基金(62006095) 湖南省自然科学基金(2021JJ40441,2023JJ30485) 吉首大学科研基金资助项目(Jdy22010) 

出 版 物：《邵阳学院学报（自然科学版）》 (Journal of Shaoyang University：Natural Science Edition)

年 卷 期：2024年第21卷第1期

页      码：84-91页

摘      要：机器学习方法在信贷领域取得了较好的成果,但由于缺乏可解释性,应用受到限制,为增加其可信度和透明度,克服“黑盒”模型缺乏可解释性的缺陷,基于LightGBM算法建立信贷违约预测模型,并设计SHAP算法对模型的结果进行解释。结果表明,模型性能更好,预测精度更高,其精度高达88.61%;SHAP算法解释结果表明“信用组合的分类”“要支付的剩余债务”“每月EMI付款”等因素对信贷决策有着重要影响。

主 题 词：信贷风险 LightGBM算法 SHAP算法 可解释性 

学科分类：12[管理学] 02[经济学] 0202[经济学-财政学类] 1201[管理学-管理科学与工程类] 020204[020204] 

D　O　I：10.3969/j.issn.1672-7010.2024.01.011

馆 藏 号：203126584...