基于几种常见模型的P2P网贷借款人信用风险控制对比研究
发布时间：2020-12-14 19:32
近些年来P2P网贷后凭借其操作方便快捷、投资门槛低等优势爆发式增长,网贷平台的数量及交易规模连年递增。在当下互联网金融的背景下,已然成为一种有代表性的投资模式。我国P2P网贷行业的高速普及和发展在便利居民借贷、提高小微企业发展和丰富我国多层次金融市场等方面发挥了积极作用。当然面临着机遇的同时也存在着信用风险、技术风险和法律风险等诸多风险,其中最关键的是信用风险。在P2P行业中信用风险即是借款人违约风险。为保证提高各网贷平台的核心竞争力,P2P网贷走向成熟发展方向,解决信用风险控制问题迫在眉睫。针对目前我国P2P网贷的发展背景和现状,本文基于市场监管环境强劲有力、法律死角无漏洞下度量借款人信用风险,主要研究工作如下:1.为合理有效地构建借款人信用风险评估模型,现针对我国不健全的征信体系,在传统信用风险评估指标基础上结合平台自身特点建立模型。主要包括借款人基本信息、工作信息、信用信息、资产信息和借款信息,并基于原始指标构造新的特征还清比例,验证该变量对模型拟合有着重要意义。2.结合我国P2P网贷平台的发展现状和特点并分析借款人信用风险和成因,构建新的评价组合模型RF-LR模型。基于RF-L...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
我国2011一2018年PZP成交额与贷款余额变化趋势
三是双重挤压下风险仅靠平台自身消化。从投资端上，我国的金融市场长期??在刚性兑付问题，在市场上未能保证有良好效益的产品，导致其接受度普遍较??；从资产端上，在一部分Ｐ２Ｐ平台未接入央行的征信系统之前，网贷平台的风??能力难以得到进一步提高，易出现借款人严重逾期违约、多方多头借贷的情形。??根据网贷平台行业发展历程和特点可看出Ｐ２Ｐ网贷平台的发展如今在曲折??中艰难前进，目前国内征信系统不完善的大环境和政府监管力度加大的规范化??求，同时结合借款人对综合素质和心智的主观考量，信用风险问题日显端倪，??决该问题刻不容缓。??２．?２文献综述??２．２．１国外研究现状综述??过去十年间，Ｐ２Ｐ借贷行业发展在世界各地欣欣向荣，发展并不长久的Ｐ２Ｐ??贷业务逐渐受到国内外众多学者的关注和热议。２００．５年３月Ｐ２Ｐ借贷模式萌??于英国的Ｚｏｐａ网贷公司，该公司截丨ｈ?２０１８年８月累计出借了约３５．?８６亿英镑??
??图４．２?模型的借款人信用风险评估流程图??４＿?２评估指标相关理论??１．混淆矩阵??混淆矩阵是用于判断分类器优劣和评判模型结果的指标，适用于分类模型如??决策树、逻辑回归和支持向量机等方法。以本研究的二分类问题为例，最终需判??断样本结果是未违约（／ｗｗ／／／ｖｅ?）或违约（《ｅ＾ａ／／ｖｅ?）。样本原始数据的采集可直??接得到实际情况下未违约和违约的情况，训练模型后用验证集可得到分类模型预??测未违约或违约的结果。统计后可得到以下四个基础指标：??７７Ｖ?（７＞ｗｅ?）：实际是未违约样本预测也是未违约样本的个数；??仰（以仏／＾／７／ｖｅ）：实际是未违约样本但预测成违约样本的个数；??Ｆ７Ｖ?（ＦａＡｓｅ?ｎｅｇａ／／ｖｅ）：实际是违约样本但预测成未违约样本的个数；??７Ｐ?（７＞？ｅ／？ｗ／／／ｖｅ）：实际是违约样本预测也是违约样本的个数；??预测性分类模型越准确越好，则在混渚矩阵中３Ｔ与７７Ｖ数量越大越好，而??ＦＰ与ＦＮ数量越小越好。??１８??
【参考文献】：
期刊论文
[1]基于梯度提升决策树模型的P2P网贷借款人信用风险评测研究[J]. 谭中明,谢坤,彭耀鹏. 软科学. 2018(12)
[2]基于SVM-Logistic组合模型的P2P借款者信用风险评估——以微贷网为例[J]. 都红雯,卢孝伟. 生产力研究. 2018(10)
[3]三重信任关系下P2P网贷信用风险综合度量模型的构建[J]. 居蕾,彭玥,蒋楚筠. 中国集体经济. 2018(30)
[4]P2P网贷中借款人信息认证对违约率的影响——以拍拍贷为例[J]. 李刚. 湖北经济学院学报(人文社会科学版). 2018(08)
[5]基于改良CRITIC法的P2P平台信用风险影响指标研究[J]. 徐荣贞,郭甜甜. 西部经济管理论坛. 2018(02)
[6]P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法[J]. 吴斌,叶菁菁,董敏. 会计之友. 2017(21)
[7]P2P网贷借款人信用风险模糊综合评价——基于模糊数学理论的视角[J]. 朱传进,朱南. 金融理论与实践. 2017(06)
[8]基于Stacking集成策略的P2P网贷违约风险预警研究[J]. 丁岚,骆品亮. 投资研究. 2017(04)
[9]社交朋友网络资本与P2P网贷行为选择研究[J]. 李思明,肖忠意. 上海金融. 2016(04)
[10]基于大数据技术的P2P网贷平台风险预警模型[J]. 林春雨,李崇纲,许方圆,许会泉,石磊,卢祥虎. 大数据. 2015(04)
硕士论文
[1]考虑审核认证信息的P2P网贷借款人信用风险评估研究[D]. 李洲.华南理工大学 2018
[2]基于舆情分析与文本主题的P2P平台风险评估模型[D]. 张晓明.浙江大学 2018
[3]P2P网贷个人信用评分模型的研究[D]. 郑志强.暨南大学 2016
本文编号：2916905
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
我国2011一2018年PZP成交额与贷款余额变化趋势
三是双重挤压下风险仅靠平台自身消化。从投资端上，我国的金融市场长期??在刚性兑付问题，在市场上未能保证有良好效益的产品，导致其接受度普遍较??；从资产端上，在一部分Ｐ２Ｐ平台未接入央行的征信系统之前，网贷平台的风??能力难以得到进一步提高，易出现借款人严重逾期违约、多方多头借贷的情形。??根据网贷平台行业发展历程和特点可看出Ｐ２Ｐ网贷平台的发展如今在曲折??中艰难前进，目前国内征信系统不完善的大环境和政府监管力度加大的规范化??求，同时结合借款人对综合素质和心智的主观考量，信用风险问题日显端倪，??决该问题刻不容缓。??２．?２文献综述??２．２．１国外研究现状综述??过去十年间，Ｐ２Ｐ借贷行业发展在世界各地欣欣向荣，发展并不长久的Ｐ２Ｐ??贷业务逐渐受到国内外众多学者的关注和热议。２００．５年３月Ｐ２Ｐ借贷模式萌??于英国的Ｚｏｐａ网贷公司，该公司截丨ｈ?２０１８年８月累计出借了约３５．?８６亿英镑??
??图４．２?模型的借款人信用风险评估流程图??４＿?２评估指标相关理论??１．混淆矩阵??混淆矩阵是用于判断分类器优劣和评判模型结果的指标，适用于分类模型如??决策树、逻辑回归和支持向量机等方法。以本研究的二分类问题为例，最终需判??断样本结果是未违约（／ｗｗ／／／ｖｅ?）或违约（《ｅ＾ａ／／ｖｅ?）。样本原始数据的采集可直??接得到实际情况下未违约和违约的情况，训练模型后用验证集可得到分类模型预??测未违约或违约的结果。统计后可得到以下四个基础指标：??７７Ｖ?（７＞ｗｅ?）：实际是未违约样本预测也是未违约样本的个数；??仰（以仏／＾／７／ｖｅ）：实际是未违约样本但预测成违约样本的个数；??Ｆ７Ｖ?（ＦａＡｓｅ?ｎｅｇａ／／ｖｅ）：实际是违约样本但预测成未违约样本的个数；??７Ｐ?（７＞？ｅ／？ｗ／／／ｖｅ）：实际是违约样本预测也是违约样本的个数；??预测性分类模型越准确越好，则在混渚矩阵中３Ｔ与７７Ｖ数量越大越好，而??ＦＰ与ＦＮ数量越小越好。??１８??
【参考文献】：
期刊论文
[1]基于梯度提升决策树模型的P2P网贷借款人信用风险评测研究[J]. 谭中明,谢坤,彭耀鹏. 软科学. 2018(12)
[2]基于SVM-Logistic组合模型的P2P借款者信用风险评估——以微贷网为例[J]. 都红雯,卢孝伟. 生产力研究. 2018(10)
[3]三重信任关系下P2P网贷信用风险综合度量模型的构建[J]. 居蕾,彭玥,蒋楚筠. 中国集体经济. 2018(30)
[4]P2P网贷中借款人信息认证对违约率的影响——以拍拍贷为例[J]. 李刚. 湖北经济学院学报(人文社会科学版). 2018(08)
[5]基于改良CRITIC法的P2P平台信用风险影响指标研究[J]. 徐荣贞,郭甜甜. 西部经济管理论坛. 2018(02)
[6]P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法[J]. 吴斌,叶菁菁,董敏. 会计之友. 2017(21)
[7]P2P网贷借款人信用风险模糊综合评价——基于模糊数学理论的视角[J]. 朱传进,朱南. 金融理论与实践. 2017(06)
[8]基于Stacking集成策略的P2P网贷违约风险预警研究[J]. 丁岚,骆品亮. 投资研究. 2017(04)
[9]社交朋友网络资本与P2P网贷行为选择研究[J]. 李思明,肖忠意. 上海金融. 2016(04)
[10]基于大数据技术的P2P网贷平台风险预警模型[J]. 林春雨,李崇纲,许方圆,许会泉,石磊,卢祥虎. 大数据. 2015(04)
硕士论文
[1]考虑审核认证信息的P2P网贷借款人信用风险评估研究[D]. 李洲.华南理工大学 2018
[2]基于舆情分析与文本主题的P2P平台风险评估模型[D]. 张晓明.浙江大学 2018
[3]P2P网贷个人信用评分模型的研究[D]. 郑志强.暨南大学 2016
本文编号：2916905
本文链接：https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/2916905.html
