机器学习之客户违约预测模型搭建之原理篇

前言

        这一章主要介绍机器学习在金融领域一个重要应用：客户违约预测模型的搭建，其所用到原理为机器学习中的决策树模型。通过本章的学习，您能了解在信息时代下金融风险控制的新手段，并对机器学习有一个初步的了解。

1. 机器学习在金融领域的应用

说到机器学习（Machine Learning），有的读者可能会感觉比较陌生，然而说到AlphaGo这一击败了世界顶级围棋选手的智能机器人，想必大家多少都有些耳闻。机器学习便是模拟或实现人类的学习行为，以探寻规律或者获得新的技能，机器学习某种程度上可以说是人工智能的核心。

举个简单的例子，如下图所示，该机器学习的目的就是要从一堆散点中寻找到这些散点背后的规律。

        本章主要介绍一下客户违约预测模型，作为机器学习在金融领域应用的典型案例。在传统金融领域，往往存在两方角色，一方为借钱的借款方，另一方则为借钱给别人的贷款方，而作为贷款方则非常关心借款方是否会违约，即借钱不还。有的借款方可能完全就是抱着借钱不还的心态去借的资金，而对于这些客户，则需要搭建一套客户违约预测模型，根据借款人的各方面特征，来训练出合适的模型进行违约概率预测，从而在源头上拒绝这些潜在违约客户。

        可用来搭建客户违约预测模型的方法有很多，如逻辑回归模型、决策树模型、神经网络模型等，这里则使用一个在商业上用的较多的决策树模型。

2. 决策树模型的基本原理

2.1 决策树模型简介

决策树模型是机器学习各种算法模型中比较好理解的一个模型，它的基本原理便是通过对一系列问题进行if/else的推导，最终实现相关决策。

下图便是一个典型的决策树模型，首先判断是否曾经违约：

•