基于大数据的互联网金融欺诈行为识别研究

发布时间：2017-06-23 20:18

  本文关键词：基于大数据的互联网金融欺诈行为识别研究，由笔耕文化传播整理发布。

【摘要】：随着当今社会进入互联网时代,互联网已经与我们的生活息息相关。在人们的生活习性、生活工作节奏、工业发展上都可以看出,互联网的应用至关重要。基于互联网的网络信贷以其申请便利、审批迅速、低门槛等特性,在信贷行业内迅速找到了自己生存的空间。但同时,其行业风险也引起了关注。据数据显示,P2P网络平台信贷中,每100起拒贷的案件中,就有16起出现不同方式的欺诈行为,即利用P2P平台的网络申请特性骗取钱财。所以,对互联网金融平台中出现的骗贷等欺诈行为的识别,对进件客户是否有欺诈属性的预测至关重要。本文即以此为出发点,探索并解决互联网金融行业中出现的欺诈问题。随着社会发展,当代信贷审批业务利用用户的财产信息、银行流水等信息进行审核。虽然审批流程已极大进步,但仍然审批速度慢,门槛高,不能达到人们的预期。随着互联网以及科技手段的进步,近几年已逐步出现利用数据挖掘、统计建模等预测手段对客户进行风险预测,从而对客户的风险进行评级。这在优化了审批流程的同时,也大大节省了审批的人力消耗,大大提高了信贷行业的效率。当“大数据”时代来临后,对互联网金融的信用风险控制,以及对欺诈行为的预测、防御都提出了更高的要求。本文旨在利用互联网和大数据环境下的数据优势,利用随机森林算法,对用户进行欺诈风险的预测。本文应用信用评分这种方式对用户可能的欺诈概率进行量化,进而根据用户的信用评级来分类。
【关键词】：互联网金融 大数据 反欺诈 信用评分 随机森林
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F724.6;F832.4;C912.6
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-13
• 1.1 研究背景8-9
• 1.1.1 互联网金融的现状及发展趋势8
• 1.1.2 P2P行业的风险概述8-9
• 1.2 研究意义9
• 1.3 国内外研究现状9-10
• 1.4 研究目的10-11
• 1.5 研究内容11-12
• 1.6 论文实验路线12
• 1.7 创新之处12-13
• 2 基于大数据的创新征信模式13-21
• 2.1 互联网征信与欺诈识别14
• 2.2 互联网征信及其发展14-16
• 2.3 互联网行为数据与个人信用的关系16-17
• 2.4 互联网征信的优劣分析17-21
• 2.4.1 互联网征信的优势18-19
• 2.4.2 互联网征信可能存在的问题19-21
• 2.4.3 行业痛点21
• 3 基于大数据的用户分类方法探究21-29
• 3.1 数据爬虫21-23
• 3.1.1 爬虫概述22
• 3.1.2 爬虫在本文中的应用22-23
• 3.2 随机森林23-27
• 3.2.1 决策树算法概述24-25
• 3.2.2 Bagging集成算法25
• 3.2.3 随机森林算法概述25-26
• 3.2.4 随机森林算法的实现过程26
• 3.2.5 随机森林的优点26-27
• 3.3 逻辑回归模型27-29
• 3.3.1 Sigmoid函数27-28
• 3.3.2 逻辑回归常规过程28-29
• 4 实证分析29-47
• 4.1 数据说明30-32
• 4.1.1 数据整合30-31
• 4.1.2 规则制定31-32
• 4.2 各规则描述性统计32-33
• 4.3 各规则评分及指标重要性度量33-36
• 4.4 模型验证36-39
• 4.5 计算信用评分39-41
• 4.6 实证结论41
• 4.7 逻辑回归建模及对比41-47
• 4.7.1 参数估计41-44
• 4.7.2 模型验证44-45
• 4.7.3 与随机森林算法的对比45-47
• 5 结论与展望47-50
• 5.1 结论47-48
• 5.2 展望48-50
• 参考文献50-53
• 致谢53-54

【相似文献】

中国期刊全文数据库 前6条

1 洪顺刚;;浅谈学校形象与学校文化[J];基础教育参考;2008年08期

2 刘伟江;;基于Web挖掘的客户行为识别和推荐方法研究[J];社会科学战线;2009年12期

3 宋坚;关于设计与市场的讲座[J];昆明大学学报;1999年02期

4 周晨;;论“CIS”与高职院校形象的塑造[J];职业技术教育;2007年34期

5 徐雪玉;;用CIS构建优美学校[J];现代经济信息;2010年04期

6 ;[J];;年期

中国重要会议论文全文数据库 前7条

1 苗强;周兴社;於志文;倪红波;;一种非觉察式的睡眠行为识别技术研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 齐娟;陈益强;刘军发;;基于多模信息感知与融合的行为识别[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

3 方帅;曹洋;王浩;;视频监控中的行为识别[A];2007中国控制与决策学术年会论文集[C];2007年

4 黄紫藤;吴玲达;;监控视频中简单人物行为识别研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 安国成;罗志强;李洪研;;改进运动历史图的异常行为识别算法[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用研究[A];2013年全国通信软件学术会议论文集[C];2013年

7 刘威;李石坚;潘纲;;uRecorder:基于位置的社会行为自动日志[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

中国重要报纸全文数据库 前4条

1 李晨光;导入CIS要注意什么？[N];河北经济日报;2001年

2 农发行鹿邑支行党支部书记 行长 刘永贞;发行形象与文化落地农[N];周口日报;2007年

3 东林;行为识别新技术让监控没有“死角”[N];人民公安报;2007年

4 田凯　徐蕊 李政育 信木祥;博物馆安全的国际经验[N];中国文物报;2014年

中国博士学位论文全文数据库 前10条

1 邵延华;基于计算机视觉的人体行为识别研究[D];重庆大学;2015年

2 仝钰;基于条件随机场的智能家居行为识别研究[D];大连海事大学;2015年

3 冯银付;多模态人体行为识别技术研究[D];浙江大学;2015年

4 姜新波;基于三维骨架序列的人体行为识别研究[D];山东大学;2015年

5 韩姗姗;基于视觉的运动人体特征描述与行为识别研究[D];浙江工业大学;2015年

6 何卫华;人体行为识别关键技术研究[D];重庆大学;2012年

7 吴秋霞;复杂场景下的人体行为识别[D];华南理工大学;2012年

8 于成龙;基于视频的人体行为识别关键技术研究[D];哈尔滨工业大学;2014年

9 王亮;基于判别模式学习的人体行为识别方法研究[D];哈尔滨工业大学;2011年

10 付朝霞;基于视频流的人体目标检测与行为识别研究[D];中北大学;2013年

中国硕士学位论文全文数据库 前10条

1 唐小琴;基于全局和局部运动模式的人体行为识别研究[D];西南大学;2015年

2 胡秋扬;可穿戴式个人室内位置和行为监测系统[D];浙江大学;2015年

3 陈钰昕;基于时空特性的人体行为识别研究[D];燕山大学;2015年

4 任亮;智能车环境下车辆典型行为识别方法研究[D];长安大学;2015年

5 金泽豪;并行化的人体行为识别方法研究与实现[D];华南理工大学;2015年

6 王呈;穿戴式多传感器人体日常活动监测系统设计与实现[D];南京理工大学;2015年

7 王露;基于稀疏时空特征的人体行为识别研究[D];苏州大学;2015年

8 于静;基于物品信息和人体深度信息的行为识别研究[D];山东大学;2015年

9 章瑜;人体运动行为识别相关方法研究[D];南京师范大学;2015年

10 赵扬;家庭智能空间下基于行走轨迹的人体行为理解[D];山东大学;2015年

  本文关键词：基于大数据的互联网金融欺诈行为识别研究，由笔耕文化传播整理发布。

，

本文编号：476225