發(fā)放貸款是銀行和金融機(jī)構(gòu)的重要業(yè)務(wù)之一，客戶的信用風(fēng)險(xiǎn)評(píng)估和管理就成為這些機(jī)構(gòu)面臨的重要風(fēng)險(xiǎn)。中國(guó)銀行業(yè)協(xié)會(huì)、普華永道聯(lián)合發(fā)布的《中國(guó)銀行家調(diào)查報(bào)告（2018）》的調(diào)查結(jié)果顯示，60.8%的銀行家認(rèn)為“不良貸款集中爆發(fā)”是銀行業(yè)面臨的主要風(fēng)險(xiǎn)，32.4%的銀行家將“不良貸款增長(zhǎng)”作為銀行經(jīng)營(yíng)的最大壓力來源。在實(shí)際貸款發(fā)放和管理過程中，常常是以各種信用風(fēng)險(xiǎn)評(píng)估模型對(duì)記錄不足的人群進(jìn)行風(fēng)險(xiǎn)評(píng)估，從而擴(kuò)大金融市場(chǎng)的包容性，而人工智能正在這一過程中發(fā)揮巨大作用。

我們將利用客戶房貸信用記錄的各種替代數(shù)據(jù)構(gòu)建機(jī)器學(xué)習(xí)模型，從而預(yù)測(cè)客戶的償還房貸的能力，并對(duì)其信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。具體來說，我們通過分析貸款申請(qǐng)客戶的一般背景信息、財(cái)產(chǎn)信息、購(gòu)房信息等諸多指標(biāo)，在特征抽取、特征過濾等操作的基礎(chǔ)上，使用機(jī)器學(xué)習(xí)方法構(gòu)建模型建模，對(duì)貸款者的信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。