基于逻辑回归算法的客户信用违约分析
王燚坤

中国地质大学（北京）经济管理学院，北京，100083；

摘要：在金融领域，信贷风险评估是一个至关重要的过程，它帮助金融机构确定借款人违约的可能性，并据此做出贷款决策随着数据科学在各行各业的广泛应用，机器学习技术，特别是逻辑回归模型，在信贷评分卡的构建中展现出巨大的潜力本论文详细探讨了如何利用逻辑回归模型构建一个信贷评分卡系统，该系统旨在为金融机构提供一个准确、高效的信贷风险评估工具本研究首先对所使用的数据集进行了细致的预处理，包括处理缺失值和异常值，确保了数据的质量，并采用上采样的方法解决了数据不平衡的问题在模型构建阶段，本文采用逻辑回归算法，利用借款人的个人信息和历史信贷记录来预测其违约的可能性通过在测试集上的评估，分析模型的召回率、精确率等其他标准对模型进行了系统的分析，模型的准确率达到72.86％，模型展示了良好的性能在系统构建方面，本论文介绍了一个基于Web的信贷评分卡系统，该系统采用Flask框架作为后端，结合HTML、CSS和JavaScript构建的前端界面，提供了一个用户友好、响应迅速的平台用户可以通过简单的界面输入借款人的信息，系统将实时返回信贷风险评分此外，系统还提供了结果的图形展示，增强了结果的直观性和可解释性本研究证明了逻辑回归模型在信贷风险评估中的有效性，并展示了如何将这种模型集成到实际的应用系统中在未来的工作中可以对系统进一步的优化更好地服务于金融行业，为借款人提供更加科学和透明的贷款服务。

关键词：逻辑回归；信贷评分卡；信贷风险评估；系统构建

参考文献

[1]张利斌,吴宗文.基于XGBoost机器学习模型的信用评分卡与基于逻辑回归模型的对比[J].中南民族大学学报(自然科学版),2023,42(06):

[2]谢瑞.基于逻辑回归的个人信用评分卡设计与分析[D].北京交通大学,2022.

[3]李先航.基于机器学习的可解释信贷风险评分和违约预测研究[D].西南财经大学,2022.  

[4]唐春玲.基于机器学习的信用评分卡研究与设计[D].湖南大学,2022.     

[5]卢悦冉,芮英健,袁芳.基于评分卡模型下中小微企业的信贷决策[J].中国市场,2021,(27):53-54.

[6]林炜.信用评分方法在信贷风险管理中的应用[J].信息系统工程,2021,(08):143-145.

[7]王方春.信用评分模型在信贷审批决策中的应用探讨[J].甘肃金融,2021,(03):35-38.

[8]朱岚.基于机器学习的信用评分的研究与应用[D].上海财经大学,2020.

[9]陈秋华,杨慧荣,崔恒建.变量筛选后的个人信贷评分模型与统计学习[J].数理统计与管理,2020,39(02):368-380.

[10]徐英浩.信用评分系统的设计与实现[D].浙江工业大学,2020.

[11]张俊丽,郭双颜,任翠萍,等.基于逻辑回归的个人信用评分卡模型研究[J].现代信息科技,2024,8(05):12-16.DOI:10.19850/j.cnki.2096-4706.2024.05.003.

[12]杨蓉.基于商业银行信贷视角的财务报表分析[J].福建金融,2024, (02):75-79.

[13]郑亚明.金融经济风险及防范措施[J].投资与合作, 2024,(02):28-30.

[14]张馨月.基于多任学习的冷启动下行为评分模型研究[D].西南财经大学,2023.DOI:10.27412/d.cnki.gxncu.2023.001827.

[15]李佼洋.基于消费信贷的个人信用风险评估模型研究[D].对外经济贸易大学,2022.DOI:10.27015/d.cnki.gdwju.2022.001047.

[16]Jammalamadaka K R, Itapu S. Responsible AI in automated credit scoring systems[J]. AI and Ethics, 2023, 3(2): 485-495.

[17]Liu W, Fan H, Xia M. Tree-based heterogeneous cascade ensemble model for credit scoring[J]. International Journal of Forecasting, 2023, 39(4): 1593-1614

[18]Gero S . An Overview on the Landscape of R Packages for Open Source Scorecard Modelling [J].  Risks, 2022, 10 (3): 67-67.

[19] Jalil E ,Abderrahim Q E ,Mehdi B,et al. Modeling with ontologies design patterns: credit scorecard

as a case study[J]. Indonesian Journal of Electrical Engineering and Computer Science, 2020, 17 (1): 429-429.  

[20]Paula DVAD ,Artes R ,Ayres F , et al. Estimating credit and profit scoring of a Brazilian credit union with logistic regression and machine-learning techniques[J].RAUSP Management Journal, 2019, 54(3):321-336.