基于联邦学习的贷款风控研究

对企业的信贷风险进行预测,是商业银行增强风控能力的重要一环,实时准确的企业风险评级预测,有助于维护市场经济秩序、促进市场的稳健发展、防范和化解信用风险.目前大多数研究的重点集中在如何通过改进算法来提高预测准确率,忽视了通过扩充数据来源、深入挖掘数据价值来提高风控效能的方式.本课题使用联邦学习整合政府、人行、建行等多方信息,采用专家模型挖掘流水中体现的企业财务状况,用图数据库挖掘企业与风险企业的关联,结合企业的工商政务信息,最终进行XGBoost联合建模,预测贷款风险.实验结果表明,该方法能够利用多方数据显著提高贷款风险预测的准确率,同时也保证了参与各方数据的安全,实现"数据可用不可见",具有较高的落地推广价值.