隨著互聯(lián)網(wǎng)金融行業(yè)的興起,P2P在我國得到迅速發(fā)展。P2P網(wǎng)貸是一種個人對個人的金融模式,既促進了金融行業(yè)的發(fā)展,也更好地安排了社會上的閑散資金。但是,因為國內(nèi)相關的法律和政策還不夠完善,監(jiān)管力度不強,且風險預警機制不成熟,近年來P2P平臺屢屢“爆雷”,“跑路”、停業(yè)或提現(xiàn)困難的現(xiàn)象出現(xiàn)得越來越頻繁,平臺無法實現(xiàn)兌付的現(xiàn)象屢見不鮮,使得投資人的利益受到損失。因此,需要對P2P網(wǎng)貸平臺的風險識別以及防范。而一些網(wǎng)貸平臺為了快速獲取暴利,存在大量交易數(shù)據(jù)遺漏、造假情況,使硬信息對P2P平臺風險識別功能大打折扣,僅僅依靠網(wǎng)貸平臺的基本信息和交易信息等硬信息進行風險識別是不夠的,因此,識別網(wǎng)貸平臺的風險需要充分發(fā)揮網(wǎng)絡輿情和高管信息等軟信息的作用。基于此,本文以P2P網(wǎng)貸平臺為研究對象,對P2P平臺進行風險識別,并根據(jù)方案策劃的結果,提出針對政府、P2P網(wǎng)貸平臺和投資者的建議。首先,對國內(nèi)外互聯(lián)網(wǎng)金融風險的相關文獻進行了梳理,分析了風險評估和預警模型研究的相關理論;其次,介紹了信息不對稱理論以及網(wǎng)貸行業(yè)的信息不對稱的問題,并且介紹了常用的機器學習算法;然后,結合我國P2P網(wǎng)貸平臺運營中所面臨的... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

技術路線圖

上海師范大學碩士學位論文第2章文獻綜述與相關理論19控制樹的深度和葉節(jié)點；減少過度擬合學習模型效率不高劃分點搜索算法直方圖算法；將特征值分成小筒；減少計算代價和存儲代價；在數(shù)據(jù)細節(jié)處理上更有效率對特征預排序的方法內(nèi)存占用1個字節(jié)8個字節(jié)劃分計算增益容器特征數(shù)據(jù)特征高速緩存優(yōu)化在Higgs數(shù)據(jù)集上加速40%無類別特征處理在Expo數(shù)據(jù)集上加速8倍無3支持向量機支持向量機(SVM)在解決非線性、小樣本的二分類問題有著較高的準確率。SVM算法在實際情況中多用在金融數(shù)據(jù)挖掘，模式識別，回歸分析等方面。支持向量機模型根據(jù)核函數(shù)不同的模型，核函數(shù)種類主要有四種，它們分別是線性、多項式、徑向基以及神經(jīng)網(wǎng)絡核函數(shù)。支持向量機可以解決線性可分、線性不可分以及非線性三種情況，它們的原理圖分別為2.1、2.2、2.3。圖2.1線性可分情況在圖2.1中，藍色和紅色圖形分別表示需要進行區(qū)分的兩類樣本。三條直線（紅、黃、藍）試圖將藍色五角星和紅色圓點進行區(qū)分。由圖中可以清晰的看出，藍線錯誤的把藍色五角星和紅色圓點進行了分類，分類平面無效，而黃和紅兩個平面可以將五角星和圓點分開，這樣的分類平面叫做超平面。在無數(shù)個超平面中

會有一個最優(yōu)分類超平面，最優(yōu)分類超平面不僅僅能夠有效的區(qū)分開待分類樣本，還能夠保證超平面距離兩類待測樣本的距離都最大。如圖 2.1 中的紅線代表最優(yōu)超平面，它不僅有效的區(qū)分開了藍色五角星和紅色圓點，并且保證了平面與離平面最近的藍色五角星和紅色圓點的距離都最大，這個分類平面明顯優(yōu)于黃色分類平面。圖 2.2 所示是一個線性不可分的情況。我們不能用一個分類面完全有效的將不同類型的樣本分開。

【參考文獻】：
期刊論文
[1]基于Logistic模型的P2P網(wǎng)貸平臺違約風險問題研究——以廣東省為例[J]. 馬瑞.  特區(qū)經(jīng)濟. 2019(04)
[2]P2P網(wǎng)貸平臺的風險特征研究——基于多項LOGIT模型和雙變量PROBIT模型[J]. 徐梓原.  武漢金融. 2019(03)
[3]P2P網(wǎng)貸平臺風險和標的風險的辨析[J]. 李琪,王振.  上海金融. 2016(10)
[4]P2P網(wǎng)貸平臺資金風險預警指數(shù)模型構建——基于三維視角[J]. 隋婷婷,張友棠,張雅倩.  財會通訊. 2016(17)
[5]P2P網(wǎng)貸平臺信用風險評級模型構建[J]. 王丹,張洪潮.  財會月刊. 2016(09)
[6]軟信息成本與金融機構小微企業(yè)金融包容度關系研究[J]. 潘席龍,蘇靜.  投資研究. 2016(03)
[7]基于隨機森林的P2P網(wǎng)貸信用風險評價、預警與實證研究[J]. 于曉虹,樓文高.  金融理論與實踐. 2016(02)
[8]硬信息與軟信息:孰重孰輕?——非上市中小企業(yè)貸款違約風險實證研究[J]. 過新偉,王曦.  金融學季刊. 2015(02)
[9]基于用戶偏好的P2P網(wǎng)貸平臺評價模型的建立[J]. 王賢玲,張?zhí)旌?  時代金融. 2015(21)
[10]基于互聯(lián)網(wǎng)技術的軟信息成本與小微企業(yè)金融排斥度關系研究[J]. 曹廷貴,蘇靜,任渝.  經(jīng)濟學家. 2015(07)

碩士論文
[1]互聯(lián)網(wǎng)金融風險預警研究[D]. 馬玉娟.遼寧工業(yè)大學 2015
[2]供應鏈金融中企業(yè)組合信用風險度量問題研究[D]. 王苗雯.上海師范大學 2012



本文編號：3626795