基于多分类器动态集成的P2P违约风险评估

发布时间：2021-01-09 07:59

　　针对P2P违约风险评估问题,构建基于K均值聚类的多分类器动态集成模型。通过K均值聚类将P2P借贷样本集划分为多个区域,并在每个区域分别构建多个基分类器模型,进行多分类器集成;在给定新的测试样本时,基于样本特征动态选择样本归属区域的基分类器,进行模型集成与违约风险评估。以Lending Club借款数据为例,对网贷违约风险评估进行实证分析表明,基于多分类器动态集成的P2P违约评估模型,比单一模型和静态集成模型的准确性更好,且基于神经网络的动态集成模型效果最好。 

【文章来源】：管理学报. 2019,16(06)北大核心CSSCI

【文章页数】：8 页

【文章目录】：
1 文献回顾
2 多分类器动态集成模型构建
    2.1 多分类器动态选择
    2.2 多分类器集成
        2.2.1 基分类器模型构建
        2.2.2 基分类器模型集成
3 实证分析
    3.1 数据收集和处理
    3.2 模型评价准则
4 结果分析
    4.1 基于K均值的聚类
    4.2 多分类器的动态集成与实验对比
5 统计检验分析
6 结语


【参考文献】：
期刊论文
[1]基于集成学习的中国P2P网络借贷信用风险预警模型的对比研究[J]. 操玮,李灿,贺婷婷,朱卫东.  数据分析与知识发现. 2018(10)
[2]基于非均衡模糊近似支持向量机的P2P网贷借款人信用风险评估及应用[J]. 张卫国,卢媛媛,刘勇军.  系统工程理论与实践. 2018(10)
[3]基于BP神经网络的P2P网贷借款人信用评估[J]. 肖会敏,侯宇,崔春生.  运筹与管理. 2018(09)
[4]P2P网络借贷借款人违约风险影响因素研究[J]. 李杰,刘露,Chao-Hsien Chu.  商业研究. 2018(09)
[5]基于机器学习的P2P网络借贷违约风险预警研究——来自“拍拍贷”的借贷交易证据[J]. 涂艳,王翔宇.  统计与信息论坛. 2018(06)
[6]P2P借贷中借款人的违约风险评估——基于“人人贷”数据的实证分析[J]. 阮素梅,何浩然,李敬明.  经济问题. 2017(12)
[7]P2P网贷平台信任形成机制研究[J]. 董纪昌,王国梁,沙思颖,苗晋瑜,李秀婷.  管理学报. 2017(10)
[8]基于贝叶斯网络的P2P网贷借款人信用评价模型[J]. 裴平,郭永济.  中国经济问题. 2017(02)
[9]基于不平衡样本的互联网个人信用评估研究[J]. 李毅,姜天英,刘亚茹.  统计与信息论坛. 2017(02)
[10]基于生存分析的P2P网络借贷违约风险影响因素研究[J]. 李思瑶,王积田,柳立超.  经济体制改革. 2016(06)



本文编号：2966270