360數科GBST算法被頂級國際期刊收錄

7月7日消息，據官方發(fā)布的消息，近日，360數科白苗君、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。

據悉，360數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。

據介紹，360數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據，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據，探索生存時間的分布情況。

360數科研究團隊意識到，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、定價及期數策略，實現個性化產品定制。

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：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網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站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網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。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。