谢 军,徐公伟

宿州学院商学院，安徽宿州，234000

透支是信用卡的常见形式，也是人们选择使用信用卡的重要原因，可促进信用卡市场发展。近年来人们对生活质量要求的提高，加上信用卡发行机构之间市场份额的竞争，信用卡透支现象较为普遍，但透支逾期不还现象也频发。在司法实践中，信用卡借款过期无法归还扰乱了市场金融秩序[1]，由此产生的纠纷虽不应认定为诈骗罪，但应通过民事诉讼途径解决或贷款诈骗类犯罪追究刑事责任[2]。由于信用卡借款存在一定透支风险，有必要运用信贷管理中的技术手段预先评估持卡人的信用状况。

针对网络借贷客户的相关信息，刘志惠等[3]使用XGBoost机器学习模型，陈战勇[4]筛选出特征信息后使用逻辑回归模型，预测个人信用风险准确率分别为77.16%和82.10%。机器学习模型的预测准确率显著高于传统回归模型，尤其随机森林、决策树算法相较于传统逻辑回归模型准确率高，但模型的可解释性不强而且存在过拟合的问题。

利用证据权重方法测度信用风险，甘信军等[5]定量刻画了商业银行客户的违约概率，违约客户辨识率为88%。肖龙阶等[6]结合证据权重和逻辑回归针对个人网贷评估了其信用风险，预测准确率为86.45%，但仅研究1 382笔贷款数据，难以说明其方法的有效性。

从借款人信息角度考虑，Herzenstein等[7]认为,借款人信用状况、个人背景对能否如期还款有显著影响。廖理等[8]使用Probit模型研究认为借贷个人学历水平越高，客户违约风险越低。……