信用风险管理中的可解释机器学习

摘要 本文提出了一种可解释的人工智能模型，可用于信用风险管理，特别是在衡量使用点对点借贷平台借款时产生的风险方面。该模型将相关网络应用于夏普利值，以便根据潜在解释的相似性对人工智能预测进行分组。对15000家申请信用的小型和中型企业的实证分析表明，既有风险客户也有非风险客户可以根据一组相似的财务特征进行分组，这可以用来解释他们的信用评分，从而预测他们的未来行为。