互联网贷款的个人信用风险评价方法研究

发布时间：2021-10-14 13:31

　　随着金融科技快速发展,互联网贷款在满足小微金融需求方面日益重要,2020年5月9日,银保监会发布《商业银行互联网贷款管理办法》（征求意见稿）,借款者信用风险备受关注。如何在移动互联网背景下,有效评估借款者个人信用风险具有较大挑战。从个人信用风险的"评价框架、评价要素和评价模型"三个方面,结合互联网大数据的技术特征,进行了系统研究,为互联网贷款的个人信用风险评价提供理论和实务建议。 

【文章来源】：科技与金融. 2020,(07)

【文章页数】：6 页

【部分图文】：

互联网个人信用风险评价的逻辑框架

(2)网络训练。卷积神经网络可以通过残差的反向传播对网络中的参数进行训练。但是，网络训练中的过拟合以及梯度的消逝与爆炸等问题极大影响了训练的收敛性能，针对这些网络训练的问题，一些有效的改善方法被提出，包括：Krizhevsky et[1 6]al.(2012)提出的基于高斯分布的随机初始化网络[17]参数，He et al.(2015)对卷积神经网络不同层的参数进行相互独立同分布的初始化。根据近期的研究趋势，卷积神经网络模型规模正在迅速增大，而更加复杂的网络模型也对相应的训练策略提出了更高的要求。(3)网络的预测。卷积神经网络的预测过程就是通过对输入数据进行前向传导，在各个层次上输出特征图，最后利用全连接网络输出基于输入数据的条件概率分布的过程。Donahue et al.(2013)[1 8]的研究表明，经过前向传导的卷积神经网络高层特征具有很强的判别能力和泛化性能，而且，通过迁移学习，这些特征可以被应用到更加广泛的领域。这一研究成果对于扩展卷积神经网络的应用领域具有重要的意义。

【参考文献】：
期刊论文
[1]基于改进的随机森林模型的个人信用风险评估研究[J]. 周永圣,崔佳丽,周琳云,孙红霞,刘淑芹.  征信. 2020(01)
[2]关于P2P网络贷款信用风险的研究——兼对Lending Club平台的实证分析[J]. 刘畅,徐卓婷.  农村经济与科技. 2018(24)
[3]基于卷积神经网络的互联网金融信用风险预测研究[J]. 王重仁,韩冬梅.  微型机与应用. 2017(24)
[4]P2P视角下的个人信用风险评价研究[J]. 贾湖,张闻洲.  甘肃科学学报. 2016(05)
[5]基于大数据的个人信用风险评估关键技术研究[J]. 林汉川,张万军,杨柳.  管理现代化. 2016(02)
[6]基于决策树的P2P网贷信用风险评价[J]. 孙同阳,谢朝阳.  商业经济研究. 2015(02)
[7]边界Logistic违约率模型Bayes分析及实证研究[J]. 石晓军,任若恩,肖远文.  中国管理科学. 2006(04)
[8]k-近邻判别分析法在个人信用评估中的应用[J]. 姜明辉,王雅林,赵欣,黄伟平.  数量经济技术经济研究. 2004(02)

博士论文
[1]基于大数据的个人信用风险评估模型研究[D]. 张万军.对外经济贸易大学 2016

硕士论文
[1]基于LeNet-5模型和门卷积神经网络的信用评分模型实证研究[D]. 楚天玥.深圳大学 2017
[2]我国个人信用风险评估方法研究[D]. 宓珊珊.西南财经大学 2016



本文编号：3436257