基于PCA-BPNN模型的网络借贷平台风险评价研究

发布时间：2017-09-29 02:37

  本文关键词：基于PCA-BPNN模型的网络借贷平台风险评价研究

  更多相关文章： 网络借贷 风险评价 主成分分析 BP神经网络

【摘要】：网络借贷作为一种网络金融时代下的金融创新模式,对于完善我国金融体系、弥补中小企业融资缺口以及缓解民间资本投资需求具有重要意义。随着网络借贷平台数量的剧增,网络借贷行业的竞争也日渐激烈,相关风险也在不断积聚,2013年以来网络借贷平台不断出现诈骗、跑路和提现困难等风险事件,越来越多的人开始质疑网络借贷的安全性,平台的风险显然已经影响行业的整体发展。因此客观评价我国P2P网络借贷平台的风险,有利于网络借贷行业在国内的发展,也有利于促进我国金融体系的稳定。本文在定性分析方面,首先通过一些指标数据对我国网络借贷行业的发展现状进行总结归纳;其次对我国网贷平台的主要运营模式及其风险进行分析;最后对国内外网络借贷行业监管的主要法规进行梳理总结,指出建立针对全行业的风险评价模型已经刻不容缓。在定量分析方面,在评估指标体系的设计原则指导下,根据前文的分析结果,借鉴传统风险评价方法建立相应的风险评价指标体系。评价体系包括运营能力、用户体验、背景实力和风控能力四个方面,由成交量、平均利率、投资人数等18个具体指标构成。然后,在阐述主成分分析法(PCA)和BP神经网络(BPNN)的理论基础上,对网络借贷平台采用两者相结合的综合评价模型的可行性进行讨论分析。在实证分析中,以160个平台数据为样本进行实证分析,并将样本平台的实际运营状况作为风险类别的判定标准,将样本平台的风险状况分为正常经营与问题平台两种情况,其中正常经营平台为110个,问题平台为50个。对这些样本平台的指标进行主成分分析,得出影响网络借贷平台风险的8个主成分。然后运用Matlab软件建立BPNN模型,将8个主成分作为输入神经元构建BP神经网络模型,并对该模型的具体运用加以详细分析与说明。本文将PCA-BPNN模型应用于网络借贷平台的风险评价研究中,为平台的风险评价提供一个新的方法模型。通过实证分析可知,该模型从均方误差、运行时间和预测准确率三个方面表现出了较好的风险评价识别精度及效率。在实际应用中,利用各个网络借贷平台已公布的数据,使用该模型进行训练,就可以评价并识别各网络借贷平台的风险状况,有利于尽早识别和判断平台风险,对网络借贷平台和利益相关方都有重要意义。
【关键词】：网络借贷 风险评价 主成分分析 BP神经网络
【学位授予单位】：浙江财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F724.6;F832.4
【目录】：

• 摘要5-6
• Abstract6-8
• 第一章 绪论8-17
• 第一节 研究背景及意义8-9
• 第二节 研究思路及方法9-10
• 第三节 文献综述10-16
• 第四节 论文的创新与不足16-17
• 第二章 网络借贷行业的风险及监管现状17-28
• 第一节 我国网络借贷行业的运营现状17-21
• 第二节 我国网络借贷平台的运营模式及其风险21-23
• 第三节 网络借贷行业的监管政策的对比分析23-28
• 第三章 网络借贷行业的风险评价模型的构建28-38
• 第一节 网络借贷风险评价指标体系的确定28-34
• 第二节 PCA-BPNN模型的基本原理34-36
• 第三节 PCA-BPNN的适用性分析36-38
• 第四章 网络借贷平台风险评价的实证分析38-51
• 第一节 样本选取与数据处理38-40
• 第二节 主成分分析过程40-45
• 第三节 BPNN模型的建立45-47
• 第四节 模型计算及结果分析47-51
• 第五章 总结与展望51-52
• 参考文献52-55
• 致谢55-56

【相似文献】

中国硕士学位论文全文数据库 前1条

1 吴建慧;基于PCA-BPNN模型的网络借贷平台风险评价研究[D];浙江财经大学;2016年

，

本文编号：939547