【摘要】研究目标:研究多源数据普适模型栈在信用评级中的构建与应用。研究方法:从我国在线信贷行业实际情况出发,提出一种基于多源数据的普适模型栈评分框架,该框架可以根据各个申请人不同的数据基础,自由选择纳入评分模型数据,生成子评分模型,然后再将子评分模型转换为常见的信用评分卡模型。研究发现:基于多源数据的普适模型栈评分框架不但灵活、普适,其评分有效性也比单个XGBoost信用评分模型更好。研究创新:将机器学习模型与传统评分卡模型进行了完美的融合。研究价值:解决了机器学习模型在信用风险管理中可解释性差的问题。