摘要: 本文首次构建了基于非参数随机森林(Random Forest, RF)的住房贷款违约风险评估模型,利用某大型银行个人住房贷款数据,研究了借款人特征、贷款特征、房产特征和经济文化特征等因素对贷款违约的影响。实证研究发现已偿还比例、利率、贷款收入比、额度等是贷款违约最重要的影响因素,并且RF方法的预测准确率明显高于logistic模型等其它方法。此外,本文还研究了利率调整对贷款违约的影响,发现利率对违约率的影响是负方向的,且呈不对称性和非线性。
方匡南 吴见彬. 个人住房贷款违约预测与利率政策模拟[J]. 统计研究, 2013, 30(10): 54-60.
Fang Kuangnan & Wu Jianbin. Default Forecasting on Housing Mortgage and Interest Rate Policy Simulation [J]. , 2013, 30(10): 54-60.