基于LightGBM算法的信用风险评估模型研究

王思宇 陈建平

摘要：对于银行、P2P等金融机构而言，如何在扩大业务规模的同时，有效控制并合理防范信用风险尤为重要。基于LightGBM算法，根据借款申请人提供的相关个人信息，建立分类预测模型，对借款人是否会逾期、是否该发放贷款进行预测研究。实验结果表明，相较于普通决策树算法，LightGBM预测精度提升了40.8%，且具有较好的鲁棒性，可满足信用评估要求。基于LightGBM的信用评估模型不仅拥有更快的训练速度和更高的训练效率，同时还占用更少的內存，具有支持数据并行处理能力。利用该模型可对用户信用风险进行较为准确的预测，对贷款机构风险管理有重要参考价值。

关键词：信用风险;LightGBM;分类预测

DOI：10.11907/rjdk.191157开放科学（资源服务）标识码（OSID）：

中图分类号：TP301文献标识码：A 文章编号：1672-7800（2019）010-0019-04

0引言

近年来，我国经济一直保持高速发展，居民的信贷意识日益提高，个人信贷业务也获得蓬勃发展，在金融信贷机构贷款业务中的占比持续增多。然而，品类繁多的信贷业务在为人们提供便利的同时，其潜在风险也不容忽视。每年由于资金链断裂、违约、骗贷等因素导致停业的金融信贷机构就有上千家。由此可见，信用风险评估对金融信贷机构的平稳运行具有重要意义。

随着大数据时代的来临，信用风险评估理论及方法不断涌现。刘铮铮、康为勋运用层次分析法对企业信用评级进行研究;李昕、蒋志旺基于BP神经网络研究信用风险预测模型;孙同阳、王雅静则认为利用决策树方法进行信用评估预测更为有效;Chen等通过朴素贝叶斯对申请人进行信用评级;Bellotti等提出借款人违约的离散时间生存模型，通过模拟极端经济条件，展示了如何使用该模型对申请人进行测试。上述方法都是基于传统评估指标，结合机器学习知识构建的评估方法，仍存在一定的局限性，例如人工神经网络在训练时，若训练次数不足则会过拟合，同时算法本身的收敛速度较慢，时常会陷入局部最优解。因此，选择一种精度高、运算速度快、不易过拟合的算法做评估模型尤为必要。

LiChtGBM算法具有速度快、效率高、占用资源少、支持并行处理等优点。本文选用基于LightGBM的梯度提升决策树（Gradient Boosting Decision Tree，GBDT）算法，以某金融信贷机构经过脱敏处理后的数据为基础，探索不同类别数据中的隐藏联系，从而建立一个更为准确的信用评估模型。如此既能减少人为因素导致的主观性和盲目性，又能减轻因个别数据缺失对评估结果造成的影响，从而促进个人信贷业务快速、安全发展。

1理论基础

梯度提升决策树（Gradient Boosting Decision 7ree，GB-DT）是一种迭代决策树算法。该算法采用最速下降法，把损失函数的负梯度在当前的值当作残差的近似值，然后利用残差近似值拟合出一个回归树。该算法在决策过程中生成另外的决策树，最后将所有树的运行结果进行累加得出最终结果。

GBDT算法在训练时，要对样本进行多次遍历。若要减少训练耗时，需将训练数据全部加载到内存中，这样每次输入的样本数量就会受到限制，不能超过内存容量。如果将样本载人外存储器中，应采用决策树算法，在I/O频繁时，速度又会相应降低。LightGBM则可以很好地改善上述情况。

1.1LightGBM

LiChtGBM（LiCbt Gradient Boosting Machine）是一个基于决策树算法的提升框架，其优点是训练速度快、准确率高、内存占用率低且支持并行计算，能够处理规模庞大的数据集。

LiRhtGBM的特点之一是采用基于Histogram的决策树算法，它首先将连续型的特征值离散成k个值，然后生成一个宽为k的直方图。当遍历样本时，将经过离散的值当作索引。在经过一次遍历后，直方图累积了需要的统计量，然后通过直方图的离散值，遍历寻找最优分割点。采用这种方式既能显著降低内存占用，又可降低时间复杂度。

LightGBM的另一个特点是采用效率更高的叶子生长策略，即带深度限制的叶子生长策略（Lear-wise）。该策略在分裂前会首先遍历树中全部叶子，接着找到分裂增益最大的叶子进行再分裂，并重复这一操作。实验证明，同样分裂次数下，Leaf-wise可以得到更高的精度，并在Leaf-wise中加入了防止过拟合的最大深度限制。Leaf-wise叶子生长策略如图1所示，其中白点和黑点分别代表分裂增益最大和非最大的叶子。

LightGBM的一大优点是Histogram作差加速。一般而言，构造一个叶子直方图，父节点和兄弟节点直方图的宽度都為K，因此作差过程只需计算K次，从而提高了运行速度。

1.2改进后的GBDT算法流程

2实证分析

本文基于某金融信贷机构的数据集进行实证研究，并与其它常见分类算法作对比分析。

2.1数据描述与预处理

该数据集共有约30万条个人信贷记录，每一条信贷记录都包含顾客个人情况属性变量和顾客“好”、“坏”标签变量。“好”顾客的定义为按时还款，用标签0代替;“坏”顾客的定义则是没有按时还款，用标签1代替。个人情况属性变量包含了有关顾客社会人口、个人金融、债权人财产和贷款明细4个方面的共121项指标，其数据集格式如表1所示。

由表2可知，与逻辑回归、决策树、朴素贝叶斯、随机森林、集成树、XGBT等算法相比较，LightGBM的ROC_AUC得分最高，相较于普通决策树算法提升了40.8%，准确率也在70%以上，且具有较好的鲁棒性，可满足信用评估要求。

模型输出结果如表3所示，信贷机构可根据用户得分，划分不同的区间，并为每个区间制定相应的评判等级，例如“优秀”、“良好”、“一般”、“较差”等。

3结语

本文利用互联网数据进行个人信用风险评估研究与实现。对比分析不同算法模型表现，提出了基于LightGBM算法的信用风险评估模型。相较于其它主流算法模型，LightGBM算法拥有速度快、效率高、占用内存少及并行计算等优点，而金融借贷平台的数据集往往具有指标多、噪声复杂等特点，使用基于LightGBM算法的评估模型，对实际应用具有重要参考价值。

本文不足之处在于数据涵盖范围具有一定局限性，相较于类型繁多的信用数据集仅是冰山一角;并且，虽然基于LightGBM算法的信用风险评估模型在分类预测效果上有一定提升，但准确率及精度还有进一步提升的空间，可考虑将LightGBM与其它算法融合，使模型有更好的表现。