逾期风险预测的宽度和深度学习

作     者：宁婷 苗德壮 董启文 陆雪松 NING Ting;MIAO De-zhuang;DONG Qi-wen;LU Xue-song

作者机构：华东师范大学数据科学与工程学院上海200062 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2021年第48卷第5期

页      面：197-201页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 

基　　金：国家自然科学基金(U1711262 61672234) 

主　　题：逾期风险预测 机器学习 深度学习 宽度和深度模型 

摘      要：逾期风险控制是信用贷款服务的关键业务环节,直接影响放贷企业的收益率和坏账率。随着移动互联网的发展,信贷类金融服务已经惠及普罗大众,逾期风控也从以往依赖规则的人工判断,转为利用大量客户数据构建的信贷模型,以预测客户的逾期概率。相关模型包括传统的机器学习模型和深度学习模型,前者可解释性强、预测能力较弱;后者预测能力强、可解释性较差,且容易发生过拟合。因此,如何融合传统机器学习模型和深度学习模型,一直是信贷数据建模的研究热点。受到推荐系统中宽度和深度学习模型的启发,信贷模型首先可以使用传统机器学习来捕捉结构化数据的特征,同时使用深度学习来捕捉非结构化数据的特征,然后合并两部分学习得到的特征,将其经过线性变换后,最后得到预测的客户的逾期概率。所提模型中和了传统机器学习模型和深度学习模型的优点。实验结果表明,其具有更强的预测客户逾期概率的能力。