基于遗传算法的P2P网贷违约预警模型研究

发布时间：2020-09-19 08:38

　　 P2P网络借贷作为小额信贷领域的一种延续和创新,是民间普惠金融和互联网金融的重要组成部分,对传统信贷业务结构构成了补充,自21世纪初出现以来在全球范围内得到高速发展。按照行业成熟度和监管力度划分,我国P2P网络借贷行业的发展大致可分为两个阶段。2007-2015年期间,国内发展普惠金融和互联网金融的需求与P2P网贷相适应,同时监管相对滞后,行业在这一阶段表现出快速而野蛮的生长态势。2015年后,我国监管持续发力,在国内外新的经济金融环境压力下,该阶段表现为“劣质平台”的淘汰和大量平台的跑路失联、停业违约,对剩余平台提出了更高的风控要求。为此,在监管趋于完善、行业趋于集中的趋势下,本文将回归微观风控,聚焦对用户的违约预警模型研究。本文在使用Logistic模型构建P2P网贷违约预警模型的基础上,尝试利用自启发的全局搜索算法——遗传算法来优化其特征工程。首先,为更全面地探索优化过程细节,以数据披露相对完备的美国Lending Club数据集为研究案例,通过数据清理和多次遗传运算获得优化模型,结果表明优化后的模型可以使原分类模型在准确率、精确率和召回率均得到显著提升。然后,为探索优化方法在国内网贷实务中的应用价值,本文进一步以国内的拍拍贷数据为研究案例,比较分析中美网贷违约风控的差异,通过实证分析,得出模型的预警效果在各项指标上得到较为明显的提升,验证了优化效果,对前文研究内容进行补充。未来的研究可以针对本文在算法综合性、违约行为多分类上的不足之处进行扩展。最后,本文通过所探究的技术应用,基于数据风控的角度,对我国P2P行业发展及监管提出以下四点建议:第一,打通平台间与平台外授信数据,防范过度授信;第二,数据开源,吸收社会算力与研究方法,增强模型精度;第三,积极创新,在传统信贷分析框架中扩展新数据维度,积极使用诸如遗传算法等机器学习算法,同时注重扩展诸如“朋友圈”、“常去地点”等新型信用分析指标;第四,推动数据立法,规范电子合同,完善网贷数据登记、披露机制。
【学位单位】：浙江大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.4;F724.6;TP18
【部分图文】：

成交量,P2P网络,平台,快速发展

大学硕士学位论文我国 P2P 网络借贷起步于 2007 年的拍拍贷，并快速度过了早期信息中介阶段金融中介服务机构阶段。P2P 网络借贷服务与我国微型企业、居民个体信贷融资状高度契合，这使得国内 P2P 网络借贷在监管相对滞后的情况下出现爆发式增 2010 年的 50 家迅速增长至 2015 年的峰值 3433 家，网络借贷成交量从 2011 年的元迅速发展至 2017 年的 28048.49 亿元，如图 1-1 所示。

最优解,遗传算法

经产生一定的实证研究成果，但主要集中数值化表征及数据挖掘仍值得进一步丰富。2014 年数据，通过随机森林算法，建立了2.4 遗传算法理论研究2.4.1 遗传算法基本原理遗传算法起源于 1975 年，是由美国计汰的进化论理论进行模拟时而提出的一种算生成随机的解，遍历全局的所有解，再通过应度高的解，再由高适应度的解经由复制、选择的“优胜劣汰”规则自动搜索出最优解遗传算法按照图 2-1 所示的运算逻辑进编码规则设计

工程,内容,主观性

浙江大学硕士学位论文基于遗传算法的 P2P 违约预警实证研究其基本形式如下：￡ = + （3-2）其中，对于变量 X 的选取以及分类阈值的选取容易产生一定的主观性问题，本文尝试使用遗传算法对违约模型特征选取过程进行优化，减少特征工程主观性在数据建模中的误差。3.1.2 遗传算法在特征工程优化中的应用特征工程，即在机器学习领域中对原始数据及特征变量进行处理以应用到模型及算法中的处理过程，包括特征使用方案、特征获取方案、特征处理方案及特征监控方案，如图 3-1 所示。

【参考文献】