数据挖掘技术在P2P网络金融中的应用研究

发布时间：2017-06-06 15:09

  本文关键词：数据挖掘技术在P2P网络金融中的应用研究，由笔耕文化传播整理发布。

【摘要】：P2P网络金融平台作为P2P网络金融的载体,具有信息透明度高、借款人可信度高、风险较低以及操作简单等特点。随着P2P网络金融平台的借贷记录的逐渐递增,历史数据量越来越庞大,而这些历史数据只是堆积在数据库或数据仓库中,并没有得到有效的利用。P2P网络金融平台对挖掘其隐藏在数据背后有用信息的工作还很少。将数据挖掘技术引入到P2P网络金融平台的管理之中,利用数据挖掘技术对P2P网络金融平台的现存数据进行分析,进而为借款人、出款人和平台管理人员提供服务与建议就成为P2P网络金融平台在发展过程中面临的新的课题。本文运用数据挖掘技术解决国内P2P网络金融平台所遇到的问题,并以帮友贷为研究对象,以weka为数挖掘工具。研究大致分为三个部分：(1)出于平台对用户的管理方面的欠缺,运用数据挖掘技术中的聚类分析,提出关于用户管理方面的解决方案,为帮友贷平台如何进行用户管理等方面提供建议。(2)由于借贷的双方不认识,出款人对借款人的各方面信息并不能完全掌握,存在着借贷双方的信息不对称。出款人只能综合P2P网络金融所列示的信息进行判断,大致估计投资的风险和收益来决定是否投标。在P2P网络金融中并不是所有的借款能得到出款人的投资,有相当一部分的借款在时限内得不到足够的投资而导致流标。这样不仅使借款人不能得到借款,同时也会给出款人的收益带来影响。因此,提出运用数据挖掘技术中的logistic回归算法,对满标进行预测,找出出款人投标时所看重的要素。(3)由于互联网金融是一个新兴的金融的模式,且借款人大多数都是第一次借款,对借款的利率的设定、借款偿还时间、借款类型和投标类型的选择等问题不知道如何做。本文运用数据挖掘技术中的关联分析,提出已经成功的借款交易中所隐含的信息,为帮友贷平台的借款人提供指导。
【关键词】：P2P WEKA 数据挖掘
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-18
• 1.1 背景与意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12
• 1.2 国内外研究现状及分析12-16
• 1.2.1 数据挖掘研究现状12-13
• 1.2.2 P2P网络金融研究现状13-14
• 1.2.3 数据挖掘在P2P网络金融中的应用14-16
• 1.3 论文研究内容及研究框架16-18
• 2 相关理论和技术概述18-27
• 2.1 数据挖掘18-23
• 2.1.1 数据挖掘的方法18-22
• 2.1.2 数据挖掘体系结构22-23
• 2.2 数据挖掘工具23-24
• 2.2.1 WEKA23-24
• 2.3 P2P网络金融24-27
• 2.3.1 P2P网络金融的模式25-27
• 3 数据挖掘技术在P2P网络金融应用的需求分析27-32
• 3.1 数据挖掘技术在P2P网络金融应用的研究主体27-28
• 3.2 数据挖掘技术在P2P网络金融应用的总体需求28-29
• 3.3 数据挖掘技术在P2P网络金融应用的详细需求29-32
• 3.3.1 用户管理29-30
• 3.3.2 满标预测30-31
• 3.3.3 借款分析31-32
• 4 数据挖掘技术在P2P网络金融应用的模型设计32-41
• 4.1 数据挖掘技术在P2P网络金融应用的整体设计32-33
• 4.2 数据管理平台设计33-34
• 4.2.1 数据说明33
• 4.2.2 数据的预处理33-34
• 4.3 用户管理模型设计34-37
• 4.3.1 基与RFM模型的变量选择34-35
• 4.3.2 用户管理模型的设计35-37
• 4.4 满标预测的模型设计37-38
• 4.4.1 满标预测模型的变量选择37
• 4.4.2 满标预测模型的设计37-38
• 4.5 借款分析模型的设计38-41
• 4.5.1 借款分析模型的变量选择38-39
• 4.5.2 借款分析模型设计39-41
• 5 数据挖掘技术在P2P网络金融应用的模型实现41-55
• 5.1 数据管理平台的实现41-45
• 5.1.1 WEKA连接数据库41-42
• 5.1.2 数据管理平台的实现42-45
• 5.2 用户管理的分析模型实现45-48
• 5.2.1 用户管理模型的实现45-47
• 5.2.2 用户管理模型的应用47-48
• 5.3 满标的预测分析模型实现48-51
• 5.3.1 满标预测模型的实现48-51
• 5.3.2 满标预测模型的应用51
• 5.4 借款分析的实现51-53
• 5.4.1 借款分析模型的实现51-53
• 5.4.2 借款分析的应用53
• 5.5 小结53-55
• 6 论文总结55-57
• 6.1 总结55
• 6.2 今后研究方向55-57
• 参考文献57-59
• 作者简历及攻读硕士学位期间取得的研究成果59-61
• 学位论文数据集61

【相似文献】

中国期刊全文数据库 前10条

1 黎洪生,卓祯雨;数据挖掘技术及其在过程监控中的应用[J];广东自动化与信息工程;2002年03期

2 黎洪生,卓祯雨;数据挖掘技术及其在过程监控中的应用[J];计算技术与自动化;2002年04期

3 何志国,曹玉东;数据挖掘技术[J];攀枝花学院学报;2002年06期

4 贺玉珍;浅析数据挖掘技术[J];运城高等专科学校学报;2002年03期

5 庞先伟;基于数据挖掘技术的资源型学习[J];现代远程教育研究;2002年03期

6 卢辉斌,王拥军;数据挖掘技术在入侵检测中的应用[J];燕山大学学报;2003年02期

7 张丽丽;数据挖掘技术的应用分析[J];山西经济管理干部学院学报;2003年04期

8 张红军;谈谈数据挖掘技术及其应用[J];广西梧州师范高等专科学校学报;2003年03期

9 田小霞,刘晓霞;数据挖掘技术在客户保持中的应用研究[J];微计算机应用;2003年03期

10 刘兰辉;论前途光明的数据挖掘技术[J];内蒙古科技与经济;2004年05期

中国重要会议论文全文数据库 前10条

1 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

2 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

3 宁红梅;安志兴;葛亚明;李敬玺;赵坤;钟华;陈俊杰;崔艳红;;数据挖掘技术在兽医学中的应用[A];Proceedings of 2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)[C];2010年

4 王桂芹;黄道;;数据挖掘技术综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

5 徐宝莲;李晓奇;;数据挖掘技术在网络游戏中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年

6 胡广芹;陆小左;;数据挖掘技术在中医诊断中的应用[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

7 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

8 铁军;吴智明;;数据挖掘技术在工业铝电解生产中的应用[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

9 王建华;王菲;黄国建;;数据挖掘技术研究的现状及展望[A];中国运筹学会第六届学术交流会论文集（上卷）[C];2000年

10 肖健华;吴今培;;数据挖掘技术及其应用实例[A];2001年中国智能自动化会议论文集（下册）[C];2001年

中国重要报纸全文数据库 前10条

1 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

2 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

3 梅静彦;数据挖掘技术在美国银行的应用[N];金融时报;2006年

4 邹广普;数据挖掘技术在保险业中的应用[N];中国保险报;2010年

5 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

6 张崇峰;挖掘，再挖掘[N];中国计算机报;2003年

7 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

8 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

9 刘军 兰小红 龚富强;新技术为老装备“保驾护航”[N];大众科技报;2006年

10 ;软件产业人才培养又辟新路[N];中国高新技术产业导报;2000年

中国博士学位论文全文数据库 前10条

1 沈忱;基于贝叶斯网络数据挖掘技术研究《本草纲目》活血化瘀类中药性—效—用关系[D];南京中医药大学;2015年

2 姚山;基于数据挖掘技术的造林决策研究[D];北京林业大学;2008年

3 曹秀英;基于粗集的数据挖掘技术及其应用研究[D];哈尔滨工程大学;2003年

4 伍平阳;基于数据挖掘技术的医疗设备绩效预测方法的应用研究[D];南方医科大学;2008年

5 刘刚;数据挖掘技术与分类算法研究[D];中国人民解放军信息工程大学;2004年

6 王勇;时序数据挖掘技术及其在水质预测中的应用研究[D];广东工业大学;2005年

7 熊忠阳;面向商业智能的并行数据挖掘技术及应用研究[D];重庆大学;2004年

8 朱恒民;领域知识制导的数据挖掘技术及其在中药提取中的应用[D];南京航空航天大学;2006年

9 毛国君;数据挖掘技术与关联规则挖掘算法研究[D];北京工业大学;2003年

10 王萍;基于数据挖掘技术的消费者行为研究[D];吉林大学;2004年

中国硕士学位论文全文数据库 前10条

1 肖建国;数据挖掘技术在就业指导与本科教学改革工作中的应用研究[D];吉林大学;2008年

2 钱和平;基于改进的灰色理论数据挖掘技术的研究[D];内蒙古农业大学;2010年

3 安冬冬;基于数据挖掘技术的常规公交服务水平评价体系研究[D];西南交通大学;2015年

4 陈萍;数据挖掘技术在网络教学中的应用研究[D];广东技术师范学院;2015年

5 邓博;基于数据挖掘技术构建电信4G客户预测模型的研究[D];兰州大学;2015年

6 赵明芳;数据挖掘技术在教学评教中的应用与研究[D];宁夏大学;2015年

7 苗家铭;基于数据挖掘技术的商业银行个人信用风险评估模型及其应用[D];南京财经大学;2015年

8 鲍素贞;数据挖掘技术在个性化网络教学平台中的应用研究[D];聊城大学;2015年

9 李文栋;基于Spark的大数据挖掘技术的研究与实现[D];山东大学;2015年

10 郭忠俊;基于数据挖掘技术的矿井提升机故障诊断研究[D];中国矿业大学;2015年

  本文关键词：数据挖掘技术在P2P网络金融中的应用研究，，由笔耕文化传播整理发布。

本文编号：426724