P2P借贷违约风险识别模型比较

发布时间：2022-02-09 05:24

　　近年来,随着互联网经济的不断发展,P2P借贷业务日益扩张,但同时也暴露出各种问题,特别是违约造成的坏账问题给P2P网络借贷平台及其投资者带来了极大负面影响,所以构建合理的P2P借贷违约识别模型对控制平台风险、促进其持续发展具有重要的现实意义。文章以隆金宝为研究对象,探究决策树模型、支持向量机模型、神经网络模型、逻辑回归模型、Stacking模型对P2P借贷违约风险的识别效果,并进行评估与对比,从而选出最佳P2P借贷违约风险模型,进而帮助P2P网络借贷平台有效规避违约风险,实现其长远发展。 

【文章来源】：会计之友. 2019,(02)北大核心

【文章页数】：6 页

【文章目录】：
一、引言
二、P2P借贷违约风险
    (一) P2P借贷业务流程分析
    (二) 借款人信用考察维度
    (三) P2P借贷违约类型、特点及影响因素
三、数据集的收集和预处理
    (一) 数据集基本情况说明及分割
        1. 数据集来源
        2. 数据集构成
        3. 数据集的分割
    (二) 数据集清洗
        1. 处理缺失值
        2. 去除近零方差字段
        3. 转化字段
四、以数据挖据技术为基础的P2P借贷违约风险模型及其预测效果
    (一) 模型评估指标说明
        1. 混淆矩阵
        2. 准确度、查准率、召回率与F1统计值
    (二) 单一模型下P2P借贷违约风险的预测效果
        1. 逻辑回归模型与神经网络模型的预测效果
        2. 支持向量机模型 (SVM) 的预测效果
        3. 决策树类算法的预测效果
    (三) Stacking集成学习方法下P2P借贷违约的预测效果
        1. Sta c king集成学习方法
        2. Sta c king集成学习方法下P2P借贷违约的预测效果
五、研究结论


【参考文献】：
期刊论文
[1]P2P借贷中借款人的违约风险评估——基于“人人贷”数据的实证分析[J]. 阮素梅,何浩然,李敬明.  经济问题. 2017(12)
[2]P2P借贷中投资者的理性意识与权衡行为——基于“人人贷”数据的实证分析[J]. 胡金焱,宋唯实.  金融研究. 2017(07)
[3]大数据背景下互联网金融风险评价研究——基于广义DEA模型及P2P网贷视角[J]. 吕喜明.  会计与经济研究. 2017(04)
[4]新经济业态P2P网络借贷的风险甄别研究[J]. 范超,王磊,解明明.  统计研究. 2017(02)
[5]P2P网络借贷平台的风险识别研究[J]. 叶青,李增泉,徐伟航.  会计研究. 2016(06)
[6]P2P网络借贷平台中借款人违约风险影响因素研究——以WDW为例[J]. 顾慧莹,姚铮.  上海经济研究. 2015(11)
[7]基于逆向选择的互联网金融P2P模式风险防范研究[J]. 王锦虹.  财经问题研究. 2015(05)
[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)



本文编号：3616445