2025年10月，系统科学与系统工程（Journal of Systems Science and Systems Engineering）杂志刊发西安交通大学丝路信用研究院孙新宇教授团队研究论文-Enhancing Credit Risk Prediction through an Ensemble of Explainable Model。机器学习因其出色的预测性能已在信用评分领域广泛应用，但“黑箱”特性的不透明性，阻碍了更精准的复杂机器学习模型进一步落地。本文提出一种集成多模型的信用评分可解释框架（如图1所示）：采用XGBoost算法预测信用评分，再结合多种解释算法与K-means聚类，提升信用评分的准确性与可解释性。研究使用公开网站数据集测试模型性能，结果表明，该信用评分模型可同时实现“精准预测”与“稳定解释”两大目标，让信用评分过程更易理解。

论文链接：DOI: https://doi.org/10.1007/s11518-025-5663-y