7月7日消息，據(jù)官方發(fā)布的消息，近日，360數(shù)科白苗君、鄭彥、沈赟研究發(fā)表的論文Gradient boosting survival tree with applications in credit scoring（GBST算法在信用風險領域的應用），被英國老牌頂級運籌學期刊Journal of the Operational Research Society收錄。

據(jù)悉，360數(shù)科風控研究團隊以目前國際上信用風險分析領域最熱門的前沿模型“生存分析模型”為切入點，結合集成樹模型，刻畫風險隨著時間的變化趨勢，從而做出更加精準的風險決策。

據(jù)介紹，360數(shù)科在信用風險評估層面應用的生存分析模型最初源于處理死亡數(shù)據(jù)，是保險精算、生物醫(yī)學領域廣泛應用的熱點模型。生存分析作為一種傳統(tǒng)的統(tǒng)計方法，用于處理生命周期數(shù)據(jù)，探索生存時間的分布情況。

360數(shù)科研究團隊意識到，生存分析考慮了時間維度的概率預測問題，如果應用在信用風險領域，能夠相比傳統(tǒng)的信用評估等模型在預測違約的可能性之外，進一步預測用戶何時違約。除此之外，模型還能夠刻畫用戶由于非違約事件而發(fā)生的借款中止行為，如提前還款、轉向其他貸款公司等情況。

360數(shù)科提出以生存分析模型為基礎，結合boosting的集成學習算法框架的梯度提升生存樹（GBST）算法，以預測用戶在不同時間段的風險概率分布，通過優(yōu)化總體損失，大大減少每個時間段預測概率的誤差，以達到降低風險的目的。

在風控場景中，該算法可以更精準地預測客戶發(fā)生分期借款后每期的違約概率，用最小的時間成本進行未來更長期的風險決策，如貸前風險準入、貸中優(yōu)質(zhì)客群撈回等。除此之外，該模型可以幫助風控策略制定更加合理的額度、定價及期數(shù)策略，實現(xiàn)個性化產(chǎn)品定制。

另外，在營銷場景中，通過GBST算法對存量客戶在時間維度上進行動態(tài)借貸意愿預測，輔助營銷部門進行用戶營銷，助力于實現(xiàn)多樣化、多客群、多狀態(tài)的線上營銷策略，在節(jié)約營銷成本的同時提升成功率及用戶轉化率。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。