个人信贷领域的用户画像建模与逾期识别集成算法研究
Research on User Portrait Modeling and Ensemble Algorithm in Personal Credit Field
随着我国经济发展进入新常态,国内金融信贷行业发展迅速,许多金融信贷服务逐步推广到大众生活当中,个人信贷业务已经风生水起,加上互联网金融的不断发展,个人信用消费越来越普遍,信贷行业用户画像模型与逾期识别模型的建立已经是一种迫切需求.本文首先针对基础样本数据的变量类型提出了变量细分的想法,得到了变量细分的十一个维度,并在传统RFM价值评价模型基础上建立了以信贷用户消费能力、用户粘性和还贷意愿这三个维度的综合评价指标体系.基于变量细分维度与综合评价指标体系我们建立了用户画像模型,其中包括了用户细分画像与用户漏斗画像.对于用户细分画像,我们使用综合评价指标体系在消费能力、用户粘性、还贷意愿这三个维度细分了信贷领域的用户群,针对性的评价了每类用户群的价值并提出了相应的资源配置策略.对于用户漏斗画像,我们基于变量细分维度后得到的十一个维度使用用户漏斗算法,得到了高逾期占比用户群体并捕获了高逾期占比用户群的行为路径.在构建完用户画像模型后,我们着力于构建逾期识别集成算法模型.首先基于变量细分的思想与相关机器学习算法,完成了对基础样本数据的打分、降维,得到了新的两类样本数据,全量特征打分数据与细分维度打分数据,研究了不同样本数据对随机森林集成算法预测精度的影响.再基于两种不同样本、五种不同的集成算法,通过对测试集、交叉验证集、学习曲线与若干评价指标的评估选择了最优的Stacking集成算法,提供了精准、稳定、科学的逾期风险识别模型.本文构建用户画像模型是为了更好的服务于业务,构建集成算法模型是为了更好的服务于逾期风险识别精度.
- 作者：
- 陈东
- 学位授予单位：
- 安徽师范大学
- 专业名称：
- 应用统计
- 授予学位：
- 硕士
- 学位年度：
- 2019年
- 导师姓名：
- 黄旭东
- 中图分类号：
- F832.4；TP18
- 关键词：
- 用户画像；用户细分；用户漏斗；Stacking集成算法
- User Portrait; User Segmentation; User Funnel; Stacking Ensemble Algorithm;