虛擬講堂進入演講
講 題利用機器學習方法預測違約風險於不平衡網路借貸數據
講 者東吳大學巨量資料管理學院 楊碧菁
日 期2018/10/25長 度00:12:40人 氣180 次
摘 要
傳統金融業者辦理貸款手續繁雜、貸款週期
長、貸款條件苛刻等,在資金籌措上相當困難,
造就網路貸款亦即利用網路線上平台媒合配對成
交貸款的興起。然而網路借貸為高風險商業行為,
如何評估借款風險與違約行為,是值得探究的議
題。本研究數據集來自於開放式平台資料庫中網
路借貸資料,研究區間從2007年到2015年包含約
89萬筆觀察值和75個變數。本研究採用隨機下採
樣法與合成少數樣本法來平衡資料集合各類之樣
本數量,並運用機器學習方式建構分類器技術,
最終目的是希望建立準確分類的預測模型。依據
實驗結果表明,若能將合成少數樣本法與機器學
習演算法結合,預測三類違約風險之 F1分數達
92.8%,確實能有效提升預測違約風險的準確率。
本研究所找出影響違約風險的重要關鍵因素,提
供了對網路貸款業放款授信決策時所需的違約特
徵,進而降低壞帳發生之機會。
提 供TANET台灣網際網路研討會-TANET2018
進入演講