基于大数据的电商网贷动态信用评级模型研究——来自“拍拍贷”的经验数据

发布时间：2024-03-14 02:09

　　以"拍拍贷"网贷平台的电商借贷者数据为样本,以违约鉴别能力为准则,采用神经网络判别法和相关分析法对指标进行筛选,构建电商网贷的信用评级指标体系。同时,基于各指标的违约贡献率和AHP方法,采用主观和客观相结合的组合赋权法确定各指标的权重系数。在此基础上,基于时间帧测度电商网贷者的近期信用和长期信用,构建电商网贷动态信用评级模型。该信用评级模型可根据近期信用动态调整长期信用,及时更新用户的信用状况。研究表明,构建的电商网贷信用评级指标体系违约鉴别能力强,历史信息的重要度超过了借款信息、认证信息和个人信息,长期信用将违约样本的信用等级降低,有效降低了信用风险。

【文章页数】：10 页

【文章目录】：
引言
一、文献综述
    (一)企业信用评级指标体系研究
    (二)企业信用评级方法研究
二、研究设计
    (一)电商网贷信用评级存在的问题
        1. 信息不完善且成本高
        2. 初始信用评级偏低
        3. 受外界因素影响较大,风险较大
    (二)电商网贷信用评级研究的难点
    (三)电商网贷信用评级研究思路
        1. 信用评级指标的筛选
        2. 信用评级指标权重的确定
        3. 构建动态信用评级模型
三、电商网贷信用评级的数据处理与指标体系构建
    (一)指标数据的预处理
        1. 定性指标的量化处理
        2. 数据的标准化
    (二)基于违约判别的指标筛选
    (三)基于相关分析的指标精简
四、电商网贷信用动态评级模型
    (一)基于组合赋权的指标权重确定
        1. 基于违约鉴别的指标权重确定
        2. 基于AHP的指标权重确定
        3. 组合赋权方程确定
    (二)网贷动态评级模型的构建
        1. 模型构建
        2. 实证分析
五、结论



本文编号：3927905