随机森林在P2P网络借贷借款人信用评估中的应用

发布时间：2020-12-12 12:33

　　互联网金融的强势发展深刻的改变着人们的消费方式。P2P网络借贷作为一种创新的互联网金融产物,以其借款便捷、交易额小、交易迅速、可满足不同客户的多样化需求,获得大众的广泛认可。网络借贷由此在我国获得了迅速的发展,但我国的P2P网络借贷与西方发达国家相比,受限于萌芽晚,发展时间短,信用体系不完善,相关法律不健全等原因,致使违约坏账事件屡见不鲜,使投资者面临着严峻的资金安全隐患问题。规避借贷风险,提高信用安全已经成为P2P网络借贷行业发展的瓶颈。因此,如何建立起一套安全可靠的借贷人信用风险评估体系和评估模型,使其能够精准识别违约用户,具有非常重要的现实意义。本文使用人人贷的历史交易数据进行P2P网络借贷借款人的信用评估研究。以随机森林分类模型为主,并建立了Logistic回归和K最近邻分类模型,通过综合对比各模型的评估效果,旨在寻求一种分类精度更高的模型,并从中挖掘出影响违约的重要特征变量,力图为当下我国的P2P网络借贷市场更好的规避借贷风险提供有用信息,实现网络借贷市场的健康发展。随机森林作为一种集成算法,与传统分类模型相比,具备更优的分类精度,并且可以有效的避免过拟合,容忍噪声,模型稳定... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

自变量相关系数图

图 3-1 两种测算方式下的自变量重要程度对比图从训练集中剔除变量 car_loan 和 marriage 之后，重新训练模型所得模型二的结果如表 3-3 所示

图3-2分类误差与mtry的关系图

【参考文献】：
期刊论文
[1]对P2P平台信用风险的评估与预测——基于决策树模型[J]. 邵蔚.  北方经贸. 2017(09)
[2]基于互联网行为信息的P2P个人信用评价模型[J]. 邓逸,徐晓敏.  北京信息科技大学学报(自然科学版). 2017(02)
[3]P2P网贷借款人违约行为影响因素的实证研究[J]. 苏亚,成春林.  金融发展研究. 2017(01)
[4]中国小微企业信贷可获得性及其影响因素研究——基于CHFS数据的实证分析[J]. 李凤,何欣,路晓蒙.  西南金融. 2016(12)
[5]网络借贷P2P:利差是否包含违约风险隐含信息?——来自人人贷交易数据的实证分析[J]. 何平平,蒋银乔,胡荣才.  金融经济学研究. 2016(03)
[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]基于信息增益和Bagging集成学习算法的个人信用评估模型研究[J]. 曹杰,邵笑笑.  数学的实践与认识. 2016(08)
[8]我国P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析[J]. 肖曼君,欧缘媛,李颖.  财经理论与实践. 2015(01)
[9]我国P2P网络借贷业务模式发展研究[J]. 姚莲芳.  武汉金融. 2014(09)
[10]聪明的投资者:非完全市场化利率与风险识别——来自P2P网络借贷的证据[J]. 廖理,李梦然,王正位.  经济研究. 2014(07)

博士论文
[1]我国P2P网络借贷个人信用风险管理研究[D]. 夏雨霏.中国矿业大学 2018

硕士论文
[1]决策树算法在P2P网贷借款信用风险评估中的应用研究[D]. 刘艺.湖南大学 2016
[2]基于人工神经网络的商业银行信用风险评估模型研究[D]. 翟万里.长沙理工大学 2013



本文编号：2912567