稀疏組Lasso方法在個人信貸風(fēng)險評估中的應(yīng)用.pdf

1、伴隨著互聯(lián)網(wǎng)金融等行業(yè)的快速發(fā)展，人們的消費理念發(fā)生了巨大的改變，信用消費已成趨勢，與此同時越來越多的互聯(lián)網(wǎng)金融企業(yè)研發(fā)并推出了自己的個人信用消費產(chǎn)品，類似于京東白條、任性付（蘇寧易購）、螞蟻花唄（阿里巴巴）等等。中國是一個擁有14億人口的經(jīng)濟(jì)大國，從而形成了龐大的信貸市場，據(jù)《2017中國消費金融創(chuàng)新報告》預(yù)測，中國到了2020年的全年消費信貸金額可以達(dá)到驚人的12萬億元人民幣，一舉成為世界范圍內(nèi)最大的消費金融市場。由于目前我國互聯(lián)網(wǎng)

2、金融尚處于起步階段，信用風(fēng)險管理模式還不成熟，如何對申請貸款客戶的信用進(jìn)行合理評估是各大金融機(jī)構(gòu)避免風(fēng)險的關(guān)鍵，建立科學(xué)的個人信貸風(fēng)險評估模型能夠幫助金融機(jī)構(gòu)有效地規(guī)避潛在風(fēng)險。
　　對個人信貸風(fēng)險評估結(jié)果產(chǎn)生影響的因素可能有許多，例如年齡、國籍、家庭收入、學(xué)歷等等，正確選擇主要影響因素作為變量進(jìn)行建模是提高模型預(yù)測準(zhǔn)確率和增強(qiáng)模型可解釋性的前提。目前常用于變量選擇的方法主要有最優(yōu)子集選擇法(Subset Selection)以及

3、系數(shù)收縮方法(Coefficient Shrinkage)。其中Lasso方法可以作為系數(shù)收縮方法的代表，該方法能夠連續(xù)地進(jìn)行變量選擇，其在完成變量篩選過程的同時也獲得了參數(shù)的估計，能夠有效克服最優(yōu)子集選擇法進(jìn)行選擇變量時不穩(wěn)定等缺點。但是Lasso方法無法處理具有組效應(yīng)的變量選擇問題，而組Lasso方法(Group Lasso)又只能進(jìn)行組水平變量選擇，無法進(jìn)行組內(nèi)變量選擇，為了解決這個問題，F(xiàn)riedman等人綜合了Lasso和組L

4、asso方法的特性提出了稀疏組Lasso方法(Sparse Group Lasso)，該方法既能在組間進(jìn)行變量選擇又能使組內(nèi)變量具有稀疏性。
　　本文首先對用來解決變量選擇問題的兩類主要方法——最優(yōu)子集選擇法和系數(shù)壓縮方法進(jìn)行了詳細(xì)介紹，接著研究了稀疏組Lasso方法在線性回歸模型框架和Logistic回歸框架下的理論推導(dǎo)，并分別與基于Lasso方法和基于組Lasso方法的Logistic回歸模型進(jìn)行對比模擬實驗，說明其在模型選擇