基于决策树与随机森林的个人网络贷款违约行为研究

发布时间：2021-07-31 01:28

　　近年来,“互联网+”的概念得到大力推广,互联网金融行业得到迅速发展,成为最重要的创新项目之一。从支付平台的兴起到网络平台贷款产品的推出,传统的金融行业遭受到来自互联网与金融相结合的巨大冲击。再加上限贷限购的政策的影响,各传统商业银行亦纷纷推出自家的网络信用贷款产品。但网络借贷平台的发展依旧受到不断涌现的借款人违约行为的影响,且在国内的这些平台中,绝大部分对于借款人的审核以及信用评估机制都较为单一,无法有效避免借款人的违约行为的产生,对借款人的信用管理还有待加强。与之相对的是,美国的个人信贷市场发展完善,Lending Club作为其中的代表堪称世界上最为成功的网络借贷平台。因此,本文通过分类模型,结合LC数据,构建了借款人违约行为模型,从而研究借款人在网络借贷平台中存在的违约行为的影响因素。本文在研究借款人违约行为的影响因素的过程中,选取了Lending Club平台2019年第一季度的借款人数据展开研究。结合数据产生的过程和属性本身的意义,对于原始数据141个有用属性进行了属性类别划分,接着使用层次聚类法和主成分分析法对维数较高的借款人信用属性进行特征降维和特征选择,对于降维后的数据... 

【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

随机森林模型原理示意图

中国地质大学（北京）硕士学位论文31图3-3借款人工作年限分布由借款人工作年限分布可以看出，工作年限10年以上的借款人所占的比例远超过其余工作年限的借款人，推测工龄一定程度上对贷款通过率产生影响。图3-4不同贷款等级借款人人均收入根据贷款人提供的年收入信息，评级越高的贷款订单中，人均年收入也越高，由此推测，年收入高的借款人易获得高评级的贷款批准。

中国地质大学（北京）硕士学位论文31图3-3借款人工作年限分布由借款人工作年限分布可以看出，工作年限10年以上的借款人所占的比例远超过其余工作年限的借款人，推测工龄一定程度上对贷款通过率产生影响。图3-4不同贷款等级借款人人均收入根据贷款人提供的年收入信息，评级越高的贷款订单中，人均年收入也越高，由此推测，年收入高的借款人易获得高评级的贷款批准。


本文编号：3312493