基于深度学习的P2P网贷系统风险预测研究

发布时间：2021-09-11 17:15

　　随着中国经济金融改革,传统的借贷方法已无法满足大量中小微型企业及个人的借贷需求。网络借贷平台的出现,解决了中小微型企业及个人的快速融资需求。与国内传统的借贷项目相比,P2P网络贷款存在对借款方要求低,速度快等不可忽视的优点。但同时,网络贷款依托于互联网,存在数据量大、数据稀疏度高等问题,因此P2P网络贷款也存在较大的风险,传统的评级方法已经不能够得出准确的风险分析结果,本文提出基于深度学习的模型对P2P网络贷款数据进行处理并有效提高风险预测的准确度。使用传统的深度学习模型对P2P系统进行风险预测优势明显,但P2P系统数据的不平衡性、用户信息完整度差等问题会导致深度网络训练精确度低、鲁棒性差、以及容易陷入局部最优等问题的出现。本文提出了使用卷积堆叠降噪自编码器作为深度网络的P2P网贷系统风险预测方法,使用深度学习网络生成特征数据矩阵,再使用分类模型对数据进行分类,实验证明该方法可有效提高风险预测的准确率并解决数据稀疏的问题,本文主要工作如下:本文使用来自P2P平台的真实数据,但该数据存在样本不均衡的问题。针对该问题对数据进行预处理,使用SMOTE算法解决数据的类别不平衡问题。并针对用户数... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

线性可分支持向量机模型图

图 2.4 支持向量及超平面示意图机的最优化问题可通过应用拉格朗日对偶性，得到原始问题朗日函数(Lagrange Function)，并引进拉格朗日乘子(Lagra,...,N,拉格朗日函数定义如下：21 11( , , ) || || ( )2N Ni i i ii iL w b w y w x b T1 2( , ,..., )N 为拉格朗日乘子向量。由此支持向量机的最问题：,max min ( , , )w bL w b 求 L ( w, b, )对 w, b的极小值，再求 对 的极小值对求,min ( , , )w bL w b ，将拉格朗日函数 分别对 求偏

图 2.5 非线性 SVM 示意图数往往不好求解，因此常用的方法就是使用非线性转换上图的非线性问题转化为线性问题后如图 2.6 所示：图 2.6 非线性 SVM 的非线性转化示意图

【参考文献】：
期刊论文
[1]P2P网络借贷平台的风险管理——基于COSO-ERM（2016）框架的分析[J]. 张春辉.  财会通讯. 2019(02)
[2]关于改进的激活函数TReLU的研究[J]. 张涛,杨剑,宋文爱,宋超峰.  小型微型计算机系统. 2019(01)
[3]中国民营企业融资困境及其应对[J]. 沈坤荣,赵亮.  江海学刊. 2019(01)
[4]基于集成学习的中国P2P网络借贷信用风险预警模型的对比研究[J]. 操玮,李灿,贺婷婷,朱卫东.  数据分析与知识发现. 2018(10)
[5]基于机器学习的P2P网络借贷违约风险预警研究——来自“拍拍贷”的借贷交易证据[J]. 涂艳,王翔宇.  统计与信息论坛. 2018(06)
[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[7]基于句法语义特征的中文实体关系抽取[J]. 甘丽新,万常选,刘德喜,钟青,江腾蛟.  计算机研究与发展. 2016(02)
[8]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[9]一种限定性的双层贝叶斯分类模型[J]. 石洪波,王志海,黄厚宽,励晓健.  软件学报. 2004(02)

硕士论文
[1]基于模糊神经网络的P2P网络贷款信用风险评估研究[D]. 王升云.湖南大学 2017
[2]我国P2P网络信贷的发展与监管研究[D]. 杨华.湖南大学 2013



本文编号：3393398