P2P平台满标的影响因素与借款人违约风险研究

发布时间：2023-03-02 10:46

　　在当今社会,由于小微企业和个人存在规模小、经营风险高等问题,很难从传统金融机构中获得贷款,导致小微企业和个人面临着融资难的问题。幸运的是,互联网作为一种重要的技术手段,可以有效降低审查的风险和成本,实现运作的透明化,使小额贷款成为可能。正是在互联网迅速发展的背景下,P2P网络借贷在我国金融行业里得以快速发展。然而,近年来P2P网络借贷存在着大量非法经营的事件。比如,平台中存在的非法集资、高管跑路和提现困难等问题也是屡见不鲜。因此,通过机器学习和神经网络等大数据分析方法,探究显著影响借款人满标的因素,帮助借款人提高借款成功率;探究如何提高借贷平台识别借款人违约情况的能力,选出显著提高P2P网络借贷平台预测借款人违约概率的模型,为提升借贷平台识别借款人违约情况的预警能力具有指导意义。第1章主要介绍P2P网络借贷的研究背景和研究意义以及本文的研究框架和组织架构;国内外针对P2P网络借贷平台和不平衡数据处理的研究现状。第2章主要介绍P2P网络借贷数据的来源以及对数据中缺失值的处理、异常值的判断和相关特征的变换。同时,分别对影响借款人满标因素的数据和P2P平台识别借款人违约情况的数据进行探索性数...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 文献综述
    1.3 研究内容的框架
    1.4 本文的组织架构
第2章 P2P网络借贷数据的探索性分析
    2.1 数据的来源
    2.2 数据的预处理
    2.3 数据的分布
第3章 P2P网络借贷数据的特征工程
    3.1 特征选择
    3.2 P2P平台满标影响因素数据的特征选择
    3.3 借款人违约风险数据的特征选择
    3.4 本章小结
第4章 P2P平台满标影响因素的研究
    4.1 逻辑回归
    4.2 CART决策树
    4.3 影响满标的特征
    4.4 聚类分析
    4.5 本章小结
第5章 借款人违约风险的研究
    5.1 不平衡数据
    5.2 建模分析
    5.3 本章小结
第6章 总结和建议
    6.1 本文结论总结
    6.2 研究建议
    6.3 研究不足
参考文献
致谢



本文编号：3752270