徐文倩

（安徽工业大学管理科学与工程学院，马鞍山 243032）

0 引言

随着现代金融系统的发展，借贷平台在现代金融系统中具有重要地位，尤其在个人借贷方面得到了广泛的应用。社会整体消费观念的转变及消费水平的发展，极大地刺激着人们的消费欲望。个人借贷的出现，不仅满足了人们的需求，并保证了社会经济的长期稳定增长。然而，由于借贷平台缺乏有效的风险控制，信用风险不可避免。良好的借贷关系有利于达成借贷平台与贷款者的共赢，但随着个人贷款交易数量的迅速增长，一些无节制透支、超时还款以及借款无法追回等违约现象不仅影响了借贷平台的正常运营以及投资人的利益，还对个人信用产生了极大的影响。为了有效的避免或降低借贷风险，保证借贷关系的持续健康发展，对个人信用风险进行有效评估具有重要意义。

信用风险评估是根据贷款者相关信息对贷款者进行评估的一种方法，通过将贷款者分为好的和差的两种信用类型，然后决定是否提供贷款［1］。信用评分法在传统金融机构中已被广泛使用，根据目前的研究，信用评分方法主要基于统计方法和机器学习方法［1-3］。

由于大部分信贷数据集属于不平衡数据集，数据集中具备良好信贷关系的贷款者数量远远大于存在违约现象的贷款者数量。因此，信用风险评估问题中的不平衡现象对评估模型的有效性提出了重大挑战，对不平衡数据分类的研究也将有助于信用风险评估问题的研究。……