隨著經(jīng)濟(jì)的發(fā)展與科技的進(jìn)步,我國(guó)互聯(lián)網(wǎng)金融得到了空前的發(fā)展,作為其重要模式之一的P2P網(wǎng)貸也順勢(shì)崛起。P2P網(wǎng)貸相較于傳統(tǒng)借貸,其借貸交易行為的發(fā)生不再受限于時(shí)間和地點(diǎn),這在很大程度上提高了借貸交易便捷性和社會(huì)資金利用率。然而,本質(zhì)仍屬于金融的P2P網(wǎng)貸在給我國(guó)經(jīng)濟(jì)注入新鮮活力的同時(shí),也不可避免地出現(xiàn)了諸多風(fēng)險(xiǎn),其中最嚴(yán)峻、也最受學(xué)術(shù)界和社會(huì)關(guān)注的風(fēng)險(xiǎn)為借款人信用風(fēng)險(xiǎn)。因此,如何有效預(yù)測(cè)P2P網(wǎng)貸借款人信用風(fēng)險(xiǎn)具有重要的理論意義與現(xiàn)實(shí)意義。本文基于數(shù)據(jù)挖掘技術(shù),以Prosper平臺(tái)借款人公開(kāi)數(shù)據(jù)集為例,對(duì)P2P網(wǎng)貸借款人信用風(fēng)險(xiǎn)進(jìn)行了研究。首先,在相關(guān)文獻(xiàn)研究基礎(chǔ)上,對(duì)P2P網(wǎng)貸、我國(guó)P2P網(wǎng)貸及其發(fā)展歷史與現(xiàn)狀進(jìn)行簡(jiǎn)要概述;然后探討了數(shù)據(jù)挖掘理論及P2P網(wǎng)貸信用風(fēng)險(xiǎn)相關(guān)理論,并構(gòu)建了以隨機(jī)森林模型為主的數(shù)據(jù)挖掘模型;接著,對(duì)本文研究數(shù)據(jù)集進(jìn)行分析和預(yù)處理;再接著運(yùn)用隨機(jī)森林模型及其他對(duì)比模型如Logistic回歸模型、支持向量機(jī)模型、樸素貝葉斯模型等,對(duì)平臺(tái)調(diào)整前后的借款人數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測(cè);最后就各模型對(duì)借款人信用風(fēng)險(xiǎn)綜合預(yù)測(cè)效果做出相關(guān)的評(píng)價(jià)和總結(jié)。本文的具體研究結(jié)論如下:首先,... 

【文章來(lái)源】：重慶理工大學(xué)重慶市

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文的研究技術(shù)路線圖

2我國(guó)P2P網(wǎng)貸及其發(fā)展歷史與現(xiàn)狀202.2.2我國(guó)P2P網(wǎng)貸發(fā)展現(xiàn)狀據(jù)網(wǎng)貸之家數(shù)據(jù)統(tǒng)計(jì)，截止2019年12月底，我國(guó)P2P網(wǎng)貸累計(jì)平臺(tái)數(shù)量為6607家，其中正常運(yùn)營(yíng)平臺(tái)數(shù)量為344家，累計(jì)停業(yè)轉(zhuǎn)型平臺(tái)數(shù)量為3340家，累計(jì)問(wèn)題平臺(tái)2923家。首先，2019年全年除8月新增1家平臺(tái)外，其他11個(gè)月均無(wú)新增網(wǎng)貸平臺(tái)。其次，2019年12月P2P網(wǎng)貸行業(yè)的成交量為428.89億元，相比上月減少77.34億元，環(huán)比下降15.28%，同比下降59.55%，同時(shí)，12月P2P網(wǎng)貸行業(yè)的活躍投資人數(shù)、活躍借款人數(shù)分別為110.39萬(wàn)人、119.06萬(wàn)人，其中活躍投資人數(shù)環(huán)比下降14.45%，約減少18.64萬(wàn)人；活躍借款人數(shù)環(huán)比下降14.01%，約減少19.40萬(wàn)人；P2P網(wǎng)貸行業(yè)綜合收益率為9.46%，近一年下降趨勢(shì)有所改變，環(huán)比增加8個(gè)基點(diǎn)（1個(gè)基點(diǎn)等于0.01%），同比下降69個(gè)基點(diǎn)[7]。以下是近4年來(lái)我國(guó)P2P網(wǎng)貸行業(yè)的部分行業(yè)數(shù)據(jù)，用于說(shuō)明我國(guó)P2P行業(yè)的發(fā)展現(xiàn)狀。(1)月成交額和月綜合預(yù)期收益率近4年的我國(guó)P2P行業(yè)月成交額(單位:億元)和月綜合預(yù)期收益率(單位:百分比)，如圖2.1所示：圖2.1P2P網(wǎng)貸行業(yè)月成交額（注：數(shù)據(jù)來(lái)源于網(wǎng)貸之家數(shù)據(jù)）首先從圖2.1可知，2015年1月至2019年12月，我國(guó)P2P平臺(tái)的月成交額最小值為2015年2月的335.14億元，最大值為2017年7月份的2536.76億元，從2018年6月后開(kāi)始呈波動(dòng)下降；月成交額綜合峰值主要集中在2016年11月至2018年1月，綜合峰值基于2197.34億元至2081.99億元之間，P2P網(wǎng)貸行業(yè)在此時(shí)間段得到了快速發(fā)展。自我國(guó)2018年6月正式開(kāi)展合規(guī)檢查及備案登記以來(lái)，P2P網(wǎng)貸平臺(tái)開(kāi)始頻繁暴雷，具體表現(xiàn)為平臺(tái)的月成交額快速下滑，其中月成交額最低為2019年12月的428.89億元。

月份開(kāi)始，下降至10%以下，基本都維持在9.2%至9.7%之間。2018年8月份之后，短暫上升至10%，在此之后至2019年12月，月綜合參考收益率基本都維持在9.5%到10.3%之間，整體波動(dòng)幅度不大。綜合來(lái)看，近4年來(lái)我國(guó)P2P網(wǎng)貸月成交額有漲有跌，其中，月成交額整體峰值主要集中在2016年11月至2018年1月，2018年6月后開(kāi)始有所下降，這可能是因?yàn)楹弦?guī)檢查帶來(lái)的負(fù)面影響。此外，我國(guó)P2P網(wǎng)貸近幾年來(lái)月綜合參考收益率呈下降趨勢(shì)，后期較為平穩(wěn)，無(wú)太大上漲。（2）平均借款期限我國(guó)P2P行業(yè)近4年的平均借款期限(單位:月)，如圖2.2所示：圖2.2P2P網(wǎng)貸行業(yè)平均借款期限（注：數(shù)據(jù)來(lái)源于網(wǎng)貸之家數(shù)據(jù)）圖2.2展示的是2015年1月至2019年12月P2P網(wǎng)貸行業(yè)的平均借款期限。P2P網(wǎng)貸行業(yè)平均借款期限指當(dāng)月借款人和貸款人按照P2P平臺(tái)相關(guān)要求，采用借貸合同中既定的借款期限的平均值，然后分別計(jì)算出每個(gè)平臺(tái)的平均借款期限再取其平均值。從圖2.2可知，2015年4月的平均借款期限是6.6個(gè)月，是近4年來(lái)最短的借款期限；而最長(zhǎng)借款期限是15.74個(gè)月，于2019年4月出現(xiàn)；2015年1月至2016年11月，平均借款期限在6.6個(gè)月至8.2個(gè)月之間波動(dòng)，但波動(dòng)幅度較��；從2017年4月至2018年9月平均借款期限呈波動(dòng)上升趨勢(shì)，2018年10月至2019年7月總體趨勢(shì)較為平穩(wěn)；2019年7月至10月出現(xiàn)短暫下降趨勢(shì)后，于11月開(kāi)始上升。

【參考文獻(xiàn)】：
期刊論文
[1]P2P網(wǎng)絡(luò)借貸平臺(tái)信用風(fēng)險(xiǎn)研究[J]. 丁潔.  價(jià)值工程. 2019(31)
[2]借款人特征對(duì)網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)的影響研究[J]. 李延喜,孫大同,賽騫.  大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(01)
[3]基于社交網(wǎng)絡(luò)的P2P借貸信用風(fēng)險(xiǎn)緩釋機(jī)制研究[J]. 楊立,趙翠翠,陳曉紅.  中國(guó)管理科學(xué). 2018(01)
[4]融入軟信息的P2P網(wǎng)絡(luò)借貸違約預(yù)測(cè)方法[J]. 蔣翠清,王睿雅,丁勇.  中國(guó)管理科學(xué). 2017(11)
[5]中國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)風(fēng)險(xiǎn)及其決定因素研究[J]. 何光輝,楊咸月,蒲嘉杰.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2017(11)
[6]基于生存分析的P2P網(wǎng)絡(luò)借貸違約風(fēng)險(xiǎn)影響因素研究[J]. 李思瑤,王積田,柳立超.  經(jīng)濟(jì)體制改革. 2016(06)
[7]基于C5.0算法的小額網(wǎng)貸平臺(tái)的風(fēng)險(xiǎn)監(jiān)控研究[J]. 王茂光,葛蕾蕾,趙江平.  中國(guó)管理科學(xué). 2016(S1)
[8]P2P網(wǎng)絡(luò)借貸研究述評(píng)[J]. 彭紅楓,劉歆茹.  武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2016(04)
[9]我國(guó)P2P網(wǎng)貸行業(yè)發(fā)展現(xiàn)狀研究[J]. 朱森林,于文靜,陳夢(mèng).  現(xiàn)代商貿(mào)工業(yè). 2016(13)
[10]我國(guó)P2P平臺(tái)網(wǎng)絡(luò)借貸逾期行為和羊群行為研究[J]. 呂勇斌,姜藝偉,張小青.  統(tǒng)計(jì)與決策. 2016(04)

博士論文
[1]我國(guó)P2P網(wǎng)絡(luò)借貸個(gè)人信用風(fēng)險(xiǎn)管理研究[D]. 夏雨霏.中國(guó)礦業(yè)大學(xué) 2018

碩士論文
[1]P2P網(wǎng)貸借款者信用風(fēng)險(xiǎn)影響因素研究[D]. 郭涵.重慶工商大學(xué) 2018
[2]基于數(shù)據(jù)挖掘技術(shù)的P2P借貸違約風(fēng)險(xiǎn)識(shí)別模型研究[D]. 王嘉琪.浙江工商大學(xué) 2018
[3]基于大數(shù)據(jù)的Y公司P2P網(wǎng)貸業(yè)務(wù)信用風(fēng)險(xiǎn)管理平臺(tái)的構(gòu)建[D]. 雷海峰.東華大學(xué) 2017
[4]我國(guó)P2P網(wǎng)絡(luò)借貸借款人信用風(fēng)險(xiǎn)影響因素研究[D]. 李雪薇.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2016
[5]P2P網(wǎng)絡(luò)貸款平臺(tái)風(fēng)險(xiǎn)管理研究[D]. 武鵬華.華中科技大學(xué) 2016
[6]基于分類器選擇的個(gè)人信用評(píng)估組合模型研究[D]. 劉艷芳.哈爾濱工業(yè)大學(xué) 2015
[7]我國(guó)P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)研究[D]. 楊光榮.暨南大學(xué) 2014



本文編號(hào)：2928809