王重仁，韩冬梅

(上海财经大学 信息管理与工程学院，上海 200433)

基于卷积神经网络的互联网金融信用风险预测研究*

王重仁，韩冬梅

(上海财经大学 信息管理与工程学院，上海200433)

针对互联网金融行业的信用风险评估问题，提出了一种基于卷积神经网络的客户违约风险预测方法。首先将输入数据分为动态数据和静态数据，将动态数据和静态数据分别转换为矩阵和向量，然后利用改进的卷积神经网络来自动提取特征并进行分类，最后使用ROC曲线、AUC值和KS值作为评价指标，将该方法与其他机器学习算法(Logistic回归、随机森林)进行比较。实验结果表明，卷积神经网络模型对于信用风险的预测效果要优于对比模型。

信用风险评估；卷积神经网络；机器学习；深度学习

0 引言

近年来，国内互联网金融行业呈爆炸式增长态势，随着行业的不断发展，如何有效评价借款人的信用风险已成为互联网金融行业能否可持续健康发展的关键环节之一，日益受到人们的重视[1]。

客户信用风险评估本质上是一个分类问题，即将客户分成违约和按时还款两类。客户信用风险预测模型的发展经历了三个阶段：定性分析、统计学方法和人工智能方法[2]。定性分析是最早用于信用评估的方法，其后统计学方法被逐渐引入到信用评估中。近年来，随着机器学习的发展，一些智能化方法被陆续应用到信用评估研究中。例如， MALEKIPIRBAZARI M等[3]使用随机森林算法对国外网络借贷平台Lending Club借款人的风险进行预测。……