基于机器学习的某P2P平台违约风险预测研究
发布时间：2021-08-17 21:30
目前,互联网金融行业呈现欣欣向荣的局面,借贷业务作为金融行业中的基础业务,其理念和方式也在不断地推陈出新,随着小额信贷市场中“普惠金融”理念的提出,P2P网络信贷平台应运而生,平台提供极简的借贷审核流程以及借款项目跟踪记录,为投资人和借款人提供便利的借贷通道,缩短了传统借贷业务的办理时间。但是,随着P2P行业由成长扩张阶段转为爆发增长阶段,行业竞争日益激烈,不规范的行业运营导致问题平台不断暴露,借款人违约率也持续升高,平台经营者遭受了巨大的损失。为了防止互联网金融行业发展的进一步恶化,除了相应监管政策需要完善落实,更应该提高平台的抗风险能力,一项基础而又重要的工作是建立并运行一套低成本高效率的违约风险预测模型。本文首先介绍P2P行业发展背景及研究现状,接着对机器学习分类模型的相关理论知识做了阐释。然后本文运用八爪鱼爬虫软件采集了“人人贷”平台开源借贷数据,经过数据预处理后,先对代表性变量与客户违约率之间做统计分析,然后基于数据集构建决策树、随机森林、XGBoost三种机器学习模型,评估各模型违约风险预测能力,基于调参后XGBoost模型所得到的具有高精确度、高召回率的预测结果,结合St...
【文章来源】：云南大学云南省 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图１：债权转让模式示意图??
图１：债权转让模式示意图??（２）推荐合作模式??推荐合作模式如图２所示，平台为第三方资金存管机构，投资人提前存入放??贷资金，达成标的有效期、利率等相关事项借贷协议，平台匹配合适借款人后，??两天之内，平台将通知交易双方在线上签订协议，而第三方合作机构主要在贷前??为投资人提供本息担保以及借款人的贷款申请，即合作机构通过其内部贷款风险??评估标准对借款人进行风险测评，测评通过的客户推荐给平台，并将优质项目推??荐给平台，机构收取信息中介费，平台线上负责放贷流程中相关事宜。但该模式??中与平台合作的第三方机构并不签订长期合同，两者的中介服务费独立，且最终??由投资人行使借款追索权，故在该模式下，平台与合作机构之间需要有稳定的信??用合作关系。??目—?—二次凤Ｓ束核一？］??投资人一充值
风险大幅增大，且Ｐ２Ｎ模式下的单笔标的金额普遍过１００万，资金集中，风险??散度差，合作机构违约风险事件频发，且平台本身开发的资产较少，Ｐ２Ｎ平台??发展受局限，且合作机构一般发展较为成熟，Ｐ２Ｐ作为新兴发展行业，容易沦??合作机构的信息发布代理商，无法纵向发展，且市场风险承受能力弱，因此Ｐ２Ｎ??式的发展一直存在争议。??．?２?Ｐ２Ｐ信贷平台行业现状分析??本节将从平台运营数量、发展类型、业务成交量、行业人气指数、问题平台??型几个方面对Ｐ２Ｐ信贷平台的行业现状进行分析。整体上看，截止２０１９年１月，??据网贷之家网站（ｗｗｗ．ｗｄｚｊ．ｃｏｍ）数据，我国Ｐ２Ｐ平台运营数量累计６４５１家，??比增长９％，正常运营数量１０１８家，累计问题平台２６８０家，同比上升３６％。??．?２．?１平台数量分析??
【参考文献】：
期刊论文
[1]互联网金融风险诱因和严重程度的识别——基于z值评分模型[J]. 吴珂,谢晋雯. 商业经济研究. 2018(22)
[2]我国P2P网贷平台风控现状及三重风控体系探索[J]. 张恩典,左逸,周莹. 金融经济. 2017(04)
[3]浅析互联网金融对商业银行的影响[J]. 徐颖. 时代金融. 2015(26)
[4]互联网金融风险控制以P2P网贷平台为视角[J]. 董妍. 商业经济研究. 2015(03)
[5]数据挖掘模型在小企业主信用评分领域的应用[J]. 王磊,范超,解明明. 统计研究. 2014(10)
[6]基于博弈论的商业银行信贷风险分析[J]. 李燕梅. 特区经济. 2013(08)
[7]P2P网络借贷平台风险防范[J]. 艾金娣. 中国金融. 2012(14)
[8]基于多分类器组合的个人信用评估模型[J]. 向晖,杨胜刚. 湖南大学学报(社会科学版). 2011(03)
[9]基于信息融合的商业银行信用风险评估模型研究[J]. 郭英见,吴冲. 金融研究. 2009(01)
[10]基于支持向量机的信用评估模型及风险评价[J]. 肖文兵,费奇,万虎. 华中科技大学学报(自然科学版). 2007(05)
博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014
[2]基于集成学习的高光谱遥感影像分类[D]. 夏俊士.中国矿业大学 2013
硕士论文
[1]基于数据挖掘技术的P2P借贷违约风险识别模型研究[D]. 王嘉琪.浙江工商大学 2018
[2]P2P模式中投资者权利保护制度研究[D]. 陶秋树.华东政法大学 2016
[3]P2P网络借贷平台风险管理研究[D]. 谭嘉玲.长沙理工大学 2015
[4]我国P2P网络借贷平台风险控制体系的构建研究[D]. 黄迪.浙江工商大学 2014
[5]基于机器学习的VoIP流量识别技术研究[D]. 张峰.华中师范大学 2013
[6]决策树算法改进及其在银行个人客户评级中的应用[D]. 赵国强.暨南大学 2011
[7]一种改进的决策树算法研究与应用[D]. 孙怡哲.辽宁工程技术大学 2010
本文编号：3348536
【文章来源】：云南大学云南省 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图１：债权转让模式示意图??
图１：债权转让模式示意图??（２）推荐合作模式??推荐合作模式如图２所示，平台为第三方资金存管机构，投资人提前存入放??贷资金，达成标的有效期、利率等相关事项借贷协议，平台匹配合适借款人后，??两天之内，平台将通知交易双方在线上签订协议，而第三方合作机构主要在贷前??为投资人提供本息担保以及借款人的贷款申请，即合作机构通过其内部贷款风险??评估标准对借款人进行风险测评，测评通过的客户推荐给平台，并将优质项目推??荐给平台，机构收取信息中介费，平台线上负责放贷流程中相关事宜。但该模式??中与平台合作的第三方机构并不签订长期合同，两者的中介服务费独立，且最终??由投资人行使借款追索权，故在该模式下，平台与合作机构之间需要有稳定的信??用合作关系。??目—?—二次凤Ｓ束核一？］??投资人一充值
风险大幅增大，且Ｐ２Ｎ模式下的单笔标的金额普遍过１００万，资金集中，风险??散度差，合作机构违约风险事件频发，且平台本身开发的资产较少，Ｐ２Ｎ平台??发展受局限，且合作机构一般发展较为成熟，Ｐ２Ｐ作为新兴发展行业，容易沦??合作机构的信息发布代理商，无法纵向发展，且市场风险承受能力弱，因此Ｐ２Ｎ??式的发展一直存在争议。??．?２?Ｐ２Ｐ信贷平台行业现状分析??本节将从平台运营数量、发展类型、业务成交量、行业人气指数、问题平台??型几个方面对Ｐ２Ｐ信贷平台的行业现状进行分析。整体上看，截止２０１９年１月，??据网贷之家网站（ｗｗｗ．ｗｄｚｊ．ｃｏｍ）数据，我国Ｐ２Ｐ平台运营数量累计６４５１家，??比增长９％，正常运营数量１０１８家，累计问题平台２６８０家，同比上升３６％。??．?２．?１平台数量分析??
【参考文献】：
期刊论文
[1]互联网金融风险诱因和严重程度的识别——基于z值评分模型[J]. 吴珂,谢晋雯. 商业经济研究. 2018(22)
[2]我国P2P网贷平台风控现状及三重风控体系探索[J]. 张恩典,左逸,周莹. 金融经济. 2017(04)
[3]浅析互联网金融对商业银行的影响[J]. 徐颖. 时代金融. 2015(26)
[4]互联网金融风险控制以P2P网贷平台为视角[J]. 董妍. 商业经济研究. 2015(03)
[5]数据挖掘模型在小企业主信用评分领域的应用[J]. 王磊,范超,解明明. 统计研究. 2014(10)
[6]基于博弈论的商业银行信贷风险分析[J]. 李燕梅. 特区经济. 2013(08)
[7]P2P网络借贷平台风险防范[J]. 艾金娣. 中国金融. 2012(14)
[8]基于多分类器组合的个人信用评估模型[J]. 向晖,杨胜刚. 湖南大学学报(社会科学版). 2011(03)
[9]基于信息融合的商业银行信用风险评估模型研究[J]. 郭英见,吴冲. 金融研究. 2009(01)
[10]基于支持向量机的信用评估模型及风险评价[J]. 肖文兵,费奇,万虎. 华中科技大学学报(自然科学版). 2007(05)
博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014
[2]基于集成学习的高光谱遥感影像分类[D]. 夏俊士.中国矿业大学 2013
硕士论文
[1]基于数据挖掘技术的P2P借贷违约风险识别模型研究[D]. 王嘉琪.浙江工商大学 2018
[2]P2P模式中投资者权利保护制度研究[D]. 陶秋树.华东政法大学 2016
[3]P2P网络借贷平台风险管理研究[D]. 谭嘉玲.长沙理工大学 2015
[4]我国P2P网络借贷平台风险控制体系的构建研究[D]. 黄迪.浙江工商大学 2014
[5]基于机器学习的VoIP流量识别技术研究[D]. 张峰.华中师范大学 2013
[6]决策树算法改进及其在银行个人客户评级中的应用[D]. 赵国强.暨南大学 2011
[7]一种改进的决策树算法研究与应用[D]. 孙怡哲.辽宁工程技术大学 2010
本文编号：3348536
本文链接：https://www.wllwen.com/guanlilunwen/tongjijuecelunwen/3348536.html
