基于LightGBM算法的信用風險評估模型研究

摘要：對于銀行、P2P等金融機構而言,如何在擴大業務規模的同時,有效控制并合理防范信用風險尤為重要。基于LightGBM算法,根據借款申請人提供的相關個人信息,建立分類預測模型,對借款人是否會逾期、是否該發放貸款進行預測研究。實驗結果表明,相較于普通決策樹算法,LightGBM預測精度提升了40.8%,且具有較好的魯棒性,可滿足信用評估要求。基于LightGBM的信用評估模型不僅擁有更快的訓練速度和更高的訓練效率,同時還占用更少的內存,具有支持數據并行處理能力。利用該模型可對用戶信用風險進行較為準確的預測,對貸款機構風險管理有重要參考價值。