針對P2P違約風(fēng)險評估問題,構(gòu)建基于K均值聚類的多分類器動態(tài)集成模型。通過K均值聚類將P2P借貸樣本集劃分為多個區(qū)域,并在每個區(qū)域分別構(gòu)建多個基分類器模型,進行多分類器集成;在給定新的測試樣本時,基于樣本特征動態(tài)選擇樣本歸屬區(qū)域的基分類器,進行模型集成與違約風(fēng)險評估。以Lending Club借款數(shù)據(jù)為例,對網(wǎng)貸違約風(fēng)險評估進行實證分析表明,基于多分類器動態(tài)集成的P2P違約評估模型,比單一模型和靜態(tài)集成模型的準(zhǔn)確性更好,且基于神經(jīng)網(wǎng)絡(luò)的動態(tài)集成模型效果最好。 

【文章來源】：管理學(xué)報. 2019,16(06)北大核心CSSCI

【文章頁數(shù)】：8 頁

【文章目錄】：
1 文獻回顧
2 多分類器動態(tài)集成模型構(gòu)建
    2.1 多分類器動態(tài)選擇
    2.2 多分類器集成
        2.2.1 基分類器模型構(gòu)建
        2.2.2 基分類器模型集成
3 實證分析
    3.1 數(shù)據(jù)收集和處理
    3.2 模型評價準(zhǔn)則
4 結(jié)果分析
    4.1 基于K均值的聚類
    4.2 多分類器的動態(tài)集成與實驗對比
5 統(tǒng)計檢驗分析
6 結(jié)語


【參考文獻】：
期刊論文
[1]基于集成學(xué)習(xí)的中國P2P網(wǎng)絡(luò)借貸信用風(fēng)險預(yù)警模型的對比研究[J]. 操瑋,李燦,賀婷婷,朱衛(wèi)東.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2018(10)
[2]基于非均衡模糊近似支持向量機的P2P網(wǎng)貸借款人信用風(fēng)險評估及應(yīng)用[J]. 張衛(wèi)國,盧媛媛,劉勇軍.  系統(tǒng)工程理論與實踐. 2018(10)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)貸借款人信用評估[J]. 肖會敏,侯宇,崔春生.  運籌與管理. 2018(09)
[4]P2P網(wǎng)絡(luò)借貸借款人違約風(fēng)險影響因素研究[J]. 李杰,劉露,Chao-Hsien Chu.  商業(yè)研究. 2018(09)
[5]基于機器學(xué)習(xí)的P2P網(wǎng)絡(luò)借貸違約風(fēng)險預(yù)警研究——來自“拍拍貸”的借貸交易證據(jù)[J]. 涂艷,王翔宇.  統(tǒng)計與信息論壇. 2018(06)
[6]P2P借貸中借款人的違約風(fēng)險評估——基于“人人貸”數(shù)據(jù)的實證分析[J]. 阮素梅,何浩然,李敬明.  經(jīng)濟問題. 2017(12)
[7]P2P網(wǎng)貸平臺信任形成機制研究[J]. 董紀(jì)昌,王國梁,沙思穎,苗晉瑜,李秀婷.  管理學(xué)報. 2017(10)
[8]基于貝葉斯網(wǎng)絡(luò)的P2P網(wǎng)貸借款人信用評價模型[J]. 裴平,郭永濟.  中國經(jīng)濟問題. 2017(02)
[9]基于不平衡樣本的互聯(lián)網(wǎng)個人信用評估研究[J]. 李毅,姜天英,劉亞茹.  統(tǒng)計與信息論壇. 2017(02)
[10]基于生存分析的P2P網(wǎng)絡(luò)借貸違約風(fēng)險影響因素研究[J]. 李思瑤,王積田,柳立超.  經(jīng)濟體制改革. 2016(06)



本文編號：2966270