基于软信息的P2P平台风险识别方案策划

发布时间：2022-02-15 14:31

　　随着互联网金融行业的兴起,P2P在我国得到迅速发展。P2P网贷是一种个人对个人的金融模式,既促进了金融行业的发展,也更好地安排了社会上的闲散资金。但是,因为国内相关的法律和政策还不够完善,监管力度不强,且风险预警机制不成熟,近年来P2P平台屡屡“爆雷”,“跑路”、停业或提现困难的现象出现得越来越频繁,平台无法实现兑付的现象屡见不鲜,使得投资人的利益受到损失。因此,需要对P2P网贷平台的风险识别以及防范。而一些网贷平台为了快速获取暴利,存在大量交易数据遗漏、造假情况,使硬信息对P2P平台风险识别功能大打折扣,仅仅依靠网贷平台的基本信息和交易信息等硬信息进行风险识别是不够的,因此,识别网贷平台的风险需要充分发挥网络舆情和高管信息等软信息的作用。基于此,本文以P2P网贷平台为研究对象,对P2P平台进行风险识别,并根据方案策划的结果,提出针对政府、P2P网贷平台和投资者的建议。首先,对国内外互联网金融风险的相关文献进行了梳理,分析了风险评估和预警模型研究的相关理论;其次,介绍了信息不对称理论以及网贷行业的信息不对称的问题,并且介绍了常用的机器学习算法;然后,结合我国P2P网贷平台运营中所面临的... 

【文章来源】：上海师范大学上海市

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

技术路线图

上海师范大学硕士学位论文第2章文献综述与相关理论19控制树的深度和叶节点；减少过度拟合学习模型效率不高划分点搜索算法直方图算法；将特征值分成小筒；减少计算代价和存储代价；在数据细节处理上更有效率对特征预排序的方法内存占用1个字节8个字节划分计算增益容器特征数据特征高速缓存优化在Higgs数据集上加速40%无类别特征处理在Expo数据集上加速8倍无3支持向量机支持向量机(SVM)在解决非线性、小样本的二分类问题有着较高的准确率。SVM算法在实际情况中多用在金融数据挖掘，模式识别，回归分析等方面。支持向量机模型根据核函数不同的模型，核函数种类主要有四种，它们分别是线性、多项式、径向基以及神经网络核函数。支持向量机可以解决线性可分、线性不可分以及非线性三种情况，它们的原理图分别为2.1、2.2、2.3。图2.1线性可分情况在图2.1中，蓝色和红色图形分别表示需要进行区分的两类样本。三条直线（红、黄、蓝）试图将蓝色五角星和红色圆点进行区分。由图中可以清晰的看出，蓝线错误的把蓝色五角星和红色圆点进行了分类，分类平面无效，而黄和红两个平面可以将五角星和圆点分开，这样的分类平面叫做超平面。在无数个超平面中

会有一个最优分类超平面，最优分类超平面不仅仅能够有效的区分开待分类样本，还能够保证超平面距离两类待测样本的距离都最大。如图 2.1 中的红线代表最优超平面，它不仅有效的区分开了蓝色五角星和红色圆点，并且保证了平面与离平面最近的蓝色五角星和红色圆点的距离都最大，这个分类平面明显优于黄色分类平面。图 2.2 所示是一个线性不可分的情况。我们不能用一个分类面完全有效的将不同类型的样本分开。

【参考文献】：
期刊论文
[1]基于Logistic模型的P2P网贷平台违约风险问题研究——以广东省为例[J]. 马瑞.  特区经济. 2019(04)
[2]P2P网贷平台的风险特征研究——基于多项LOGIT模型和双变量PROBIT模型[J]. 徐梓原.  武汉金融. 2019(03)
[3]P2P网贷平台风险和标的风险的辨析[J]. 李琪,王振.  上海金融. 2016(10)
[4]P2P网贷平台资金风险预警指数模型构建——基于三维视角[J]. 隋婷婷,张友棠,张雅倩.  财会通讯. 2016(17)
[5]P2P网贷平台信用风险评级模型构建[J]. 王丹,张洪潮.  财会月刊. 2016(09)
[6]软信息成本与金融机构小微企业金融包容度关系研究[J]. 潘席龙,苏静.  投资研究. 2016(03)
[7]基于随机森林的P2P网贷信用风险评价、预警与实证研究[J]. 于晓虹,楼文高.  金融理论与实践. 2016(02)
[8]硬信息与软信息:孰重孰轻?——非上市中小企业贷款违约风险实证研究[J]. 过新伟,王曦.  金融学季刊. 2015(02)
[9]基于用户偏好的P2P网贷平台评价模型的建立[J]. 王贤玲,张天航.  时代金融. 2015(21)
[10]基于互联网技术的软信息成本与小微企业金融排斥度关系研究[J]. 曹廷贵,苏静,任渝.  经济学家. 2015(07)

硕士论文
[1]互联网金融风险预警研究[D]. 马玉娟.辽宁工业大学 2015
[2]供应链金融中企业组合信用风险度量问题研究[D]. 王苗雯.上海师范大学 2012



本文编号：3626795