互联网金融风险识别中类平衡处理方法对比研究——以拍拍贷为例

发布时间：2023-01-26 01:34

　　互联网金融的快速发展,使得P2P成为一种创新的金融模式,如何识别出网贷中的潜在风险成为研究热点。网贷交易数据常常存在严重的不平衡,导致风险识别率较低。针对这一问题,文中采用随机下采样、SMOTE和Bagging方法进行类平衡处理,利用逻辑回归和支持向量分类机进行检验评价。实验表明,在P2P风险识别中,以召回率为标准,bagging的平衡处理效果优于随机下采样与SMOTE,且逻辑回归不存在明显的过拟合,所以其他SVC更适合用于P2P逾期风险识别。 

【文章页数】：5 页

【文章目录】：
1 引言
2 理论分析
    2.1 分类算法
    2.2 平衡处理
    2.3 评价指标
3 实证分析
    3.1 数据获取
    3.2 数据预处理
        3.2.1 逾期计算
        3.2.2 数据分割
        3.2.3 平衡处理
    3.3 实证检验
        3.3.1 平衡处理前
        3.3.2 平衡处理后


【参考文献】：
期刊论文
[1]信用等级、借款成功率与违约风险——基于“拍拍贷”数据的经验证据[J]. 胡晏.  投资研究. 2017(08)
[2]基于“多层次分类”方法的异常P2P网贷借款识别[J]. 罗钦芳,丁国维,傅馨,蔡舜,陈熹.  管理工程学报. 2017(03)
[3]P2P网络信贷中投资行为影响因素研究——基于拍拍贷平台交易的证据[J]. 刘巧莉,温浩宇,Hong Qin.  管理评论. 2017(06)
[4]地域差异如何影响P2P平台借贷的行为——基于“人人贷”的经验证据[J]. 彭红枫,杨柳明,谭小玉.  当代经济科学. 2016(05)
[5]P2P借款的损失能挽回吗?——基于拍拍贷的实证研究[J]. 曾江洪,李文瀚,陈玺慧.  科研管理. 2016(08)
[6]大数据背景下网络借贷的信用风险评估——以人人贷为例[J]. 柳向东,李凤.  统计与信息论坛. 2016(05)
[7]Logistic模型对非平衡数据的敏感性:测度、修正与比较[J]. 魏瑾瑞,吕晓云.  统计研究. 2016(02)
[8]借贷市场能准确识别学历的价值吗?——来自P2P平台的经验证据[J]. 廖理,吉霖,张伟强.  金融研究. 2015(03)
[9]风险、信任和出借意愿——基于拍拍贷注册用户的实证研究[J]. 陈冬宇,朱浩,郑海超.  管理评论. 2014(01)



本文编号：3732020