近年來,我國P2P網(wǎng)貸行業(yè)呈爆發(fā)性增長態(tài)勢。截至2018年12月,我國P2P網(wǎng)貸行業(yè)的累計成交額達(dá)到80287.42億元。截至2019年4月,我國累計成立的P2P網(wǎng)貸平臺共6600余家,當(dāng)月涉及的投資人數(shù)達(dá)215.09萬人。P2P網(wǎng)絡(luò)借貸已成為我國財富管理市場中不可忽視的重要組成部分。然而與此同時,平臺自融假融、資金提現(xiàn)困難、平臺攜款跑路等亂象也層出不窮,大量平臺紛紛停業(yè)、轉(zhuǎn)型,仍在運營的平臺數(shù)量日益減少。這不僅對投資者的個人利益造成嚴(yán)重威脅,也阻礙了我國“互聯(lián)網(wǎng)+金融”的健康發(fā)展。因此,如何對P2P網(wǎng)貸平臺的信用風(fēng)險進(jìn)行識別成為了投資者關(guān)注的重點問題。然而,對于投資者個人而言,獲取大量P2P網(wǎng)貸平臺的詳細(xì)信息較為困難,這不僅需要投資者掌握一定的網(wǎng)絡(luò)數(shù)據(jù)采集技術(shù),而且要求其能夠?qū)Σ杉降臄?shù)據(jù)進(jìn)行預(yù)處理,這就導(dǎo)致投資者個體對平臺信用風(fēng)險的識別能力十分有限�；谏鲜霈F(xiàn)狀,筆者將研究主題確定為P2P網(wǎng)貸平臺的風(fēng)險識別,即基于能夠獲取到的信息,研究采用哪種模型能夠更好地揭示出與平臺風(fēng)險相關(guān)的屬性X和平臺信用狀態(tài)Y之間的潛在關(guān)聯(lián)規(guī)律,從而對當(dāng)前運營平臺的信用狀態(tài)做出預(yù)測,輔助投資者進(jìn)行理性投資,... 

【文章來源】：云南財經(jīng)大學(xué)云南省

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

我國P2P網(wǎng)貸平臺的數(shù)量增長狀況

技術(shù)路線圖

第二章研究對象和研究方法17（6）使用步驟（5）中得到的T個CART決策樹分別對同一未見示例進(jìn)行預(yù)測，然后使用投票法對T個預(yù)測結(jié)果進(jìn)行組合，將得票數(shù)最高的類別作為該未見示例的最終預(yù)測結(jié)果，如果多個類別在分類預(yù)測時獲得相同票數(shù)，則從中隨機(jī)選取一個。（三）隨機(jī)森林隨機(jī)森林（RandomForest，簡稱RF）由Bagging衍生而來。在Bagging模型中，傳統(tǒng)的決策樹是在當(dāng)前結(jié)點對應(yīng)的所有屬性中，選取最優(yōu)屬性作為劃分屬性；而在隨機(jī)森林中，則是先從結(jié)點對應(yīng)的所有屬性中隨機(jī)抽取k個屬性，然后再從中選擇最優(yōu)劃分屬性。（四）前饋反向傳播神經(jīng)網(wǎng)絡(luò)前饋反向傳播神經(jīng)網(wǎng)絡(luò)采用BP（errorBackPropagation）算法。使用數(shù)據(jù)集1122{(,),(,),,(,)},,dlmmiiD=xyxyxyxy，訓(xùn)練得到如圖2-3所示的前饋反向傳播神經(jīng)網(wǎng)絡(luò)，其中的參數(shù)含義如表2-1所示。圖2-3前饋反向傳播神經(jīng)網(wǎng)絡(luò)66圖片來源：周志華，《機(jī)器學(xué)習(xí)》（第一版），第102頁.

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林分類模型的P2P網(wǎng)絡(luò)借貸標(biāo)的信用風(fēng)險因子研究[J]. 馬春文,趙慧,李琪.  吉林大學(xué)社會科學(xué)學(xué)報. 2019(03)
[2]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)
[3]P2P借貸中的投資人羊群行為研究——基于平臺發(fā)展視角[J]. 楊曉琴,張經(jīng)綸,黃健青.  蘭州財經(jīng)大學(xué)學(xué)報. 2018(04)
[4]P2P網(wǎng)絡(luò)借貸平臺風(fēng)險識別研究[J]. 梁閃,宋良榮.  物流科技. 2018(01)
[5]P2P問題平臺的風(fēng)險識別——來自1945家P2P平臺的經(jīng)驗證據(jù)[J]. 郭金秀,張婉嫻.  統(tǒng)計與管理. 2017(11)
[6]基于Stacking集成策略的P2P網(wǎng)貸違約風(fēng)險預(yù)警研究[J]. 丁嵐,駱品亮.  投資研究. 2017(04)
[7]我國P2P網(wǎng)貸市場的羊群行為及其決策理性研究[J]. 陳冬宇,鄭海超.  管理評論. 2017(01)
[8]P2P網(wǎng)絡(luò)借貸問題平臺特征分析及投資者識別——來自222家平臺的證據(jù)[J]. 王修華,孟路,歐陽輝.  財貿(mào)經(jīng)濟(jì). 2016(12)
[9]借款人描述性信息對投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺的分析[J]. 李焰,高弋君,李珍妮,才子豪,王冰婷,楊宇軒.  經(jīng)濟(jì)研究. 2014(S1)
[10]基于模糊神經(jīng)網(wǎng)絡(luò)的企業(yè)信用風(fēng)險評估模型研究[J]. 樓裕勝.  中南大學(xué)學(xué)報(社會科學(xué)版). 2013(05)

碩士論文
[1]一種面向P2P網(wǎng)絡(luò)借貸平臺運營風(fēng)險評估方法[D]. 劉盼.南京郵電大學(xué) 2018
[2]P2P網(wǎng)絡(luò)借貸信用風(fēng)險評估與管理研究[D]. 李冬梅.電子科技大學(xué) 2018
[3]基于P2P網(wǎng)絡(luò)借貸的個人信用風(fēng)險評估[D]. 彭康.暨南大學(xué) 2018
[4]基于數(shù)據(jù)挖掘技術(shù)的P2P網(wǎng)貸平臺風(fēng)險識別研究[D]. 康嘉容.吉林財經(jīng)大學(xué) 2018
[5]面向P2P網(wǎng)絡(luò)借貸平臺的大數(shù)據(jù)個人用戶信用風(fēng)險控制研究[D]. 汪洋.東南大學(xué) 2018
[6]支持向量機(jī)在P2P借款人信用風(fēng)險評估中的應(yīng)用[D]. 賴瑩.電子科技大學(xué) 2018
[7]P2P網(wǎng)貸平臺風(fēng)險評價研究[D]. 崔炎炎.北方工業(yè)大學(xué) 2018
[8]基于輿情分析與文本主題的P2P平臺風(fēng)險評估模型[D]. 張曉明.浙江大學(xué) 2018
[9]p2p借款人信用風(fēng)險研究[D]. 陳麗.華東政法大學(xué) 2016
[10]基于BP神經(jīng)網(wǎng)絡(luò)與半監(jiān)督學(xué)習(xí)的網(wǎng)貸平臺信用評估模型[D]. 葉夏菁.浙江大學(xué) 2015



本文編號：3037172