信用评分模型是在银行信贷中提供正确指导决策的有效工具。在过去几十年中,信用评分已成为金融机构日益关注的问题,目前仍是一个热门的研究课题。但是,大多数研究中追求模型的性能表现,但忽视了决策制定过程的问责机制和信任机制。本文构建的基于XGBoost集成的可解释信用评分模型在性能良好的情况下同时兼顾模型的可解释性。选择AUC为模型性能主要评价指标,在对比实验中也加入了其他两个常用评价指标:准确率和F值。结果表明,所提出的模型的平均性能优于其他比较算法。在基分类器选择,特征选择,模型集成中均考虑到了模型的可解释性。最后,提供了模型整体及对具体样本的决策解释。
