Resumen

Con el rápido desarrollo de la industria de finanzas por Internet de China y el continuo crecimiento del monto de transacciones en los últimos años, se han incrementado una variedad de riesgos financieros, especialmente el riesgo crediticio en la industria financiera. Además, la evaluación del riesgo crediticio suele realizarse utilizando el modelo de puntuación de tarjeta de aplicación, que tiene las limitaciones de suposiciones estrictas de datos e incapacidad para procesar datos complejos. Con el fin de superar las limitaciones del modelo de puntuación de tarjeta de crédito y evaluar mejor el riesgo crediticio, este documento propone un modelo de evaluación crediticia basado en el algoritmo de aprendizaje automático de árbol de refuerzo extremo (XGBoost) para construir un modelo de evaluación de riesgo crediticio para instituciones financieras en línea. Al mismo tiempo, se toma como estudio de caso una empresa de préstamos en línea en China para comparar el rendimiento del modelo tradicional de puntuación de tarjeta de crédito y el modelo propuesto de algoritmo de aprendizaje autom

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Desarrollo; Industria de finanzas en línea; Riesgo crediticio; Modelo de evaluación; Algoritmo de aprendizaje automático; Control de riesgos financieros
• Keywords:Development; Internet finance industry; Credit risk; Evaluation model; Machine learning algorithm; Financial risk control