機械学習による中小企業の信用スコアリングモデルの構築†
著者†
澤木太郎(株式会社リコー), 笠原亮介(株式会社リコー), 田中拓哉(株式会社リコー)
概要†
デフォルトリスクを推定する信用スコアリングモデルは融資を行う際に非常に有用なツールである。本研究では、国内の法人企業約10万件のデータと様々な機械学習手法を用いて、高精度な信用スコアリングモデルの構築を試みた。Gradient Boosting Decision Tree、ランダムフォレスト、ニューラルネットワークの3つの手法を用いて精度の検証を行ったところ、単一のモデルとしてはGradient Boosting Decision Treeがもっとも高精度になることがわかった。発表では、複数の手法を組み合わせてさらに精度を上げる方法についても議論する。
キーワード†
credit scoring, credit risk, SMEs, gradient boosting decision tree, random forest, neural network