隨著互聯(lián)網(wǎng)的飛速發(fā)展,傳統(tǒng)的金融業(yè)受到?jīng)_擊,這樣的大環(huán)境促使了P2P網(wǎng)絡(luò)借貸平臺的誕生,用戶無需通過中介機構(gòu)來進行借貸,直接通過互聯(lián)網(wǎng)實現(xiàn)個人對個人的實行借貸行為。P2P網(wǎng)絡(luò)借貸平臺面向?qū)ο蟊容^廣泛,要求不高,操作便捷,越來越多的人選擇在P2P平臺進行借貸,但是隨之而來的問題也逐漸開始顯現(xiàn)。由于信息的不對稱,P2P網(wǎng)絡(luò)借貸平臺很難全面掌握用戶的資料,信用評估困難重重,借貸門檻低、客戶資料不全面、貸款金額少、違約情況多等現(xiàn)象加大了進行信用評估的難度,由于借款客戶每天的交易數(shù)據(jù)量巨大,傳統(tǒng)的信用評估方式已經(jīng)不適用,建立一個更高效、更精準、更客觀、更低成本的信用評估系統(tǒng)成為難題。本文以2019年上半年Lending Club的用戶數(shù)據(jù)為研究樣本,以違約客戶識別算法為研究對象,研究內(nèi)容主要分為五個部分,第一,交代論文的研究背景以及研究的意義,總結(jié)國內(nèi)外學(xué)者在P2P借貸平臺違約影響因素和違約預(yù)測模型上的研究現(xiàn)狀,介紹論文的研究框架;第二,介紹P2P網(wǎng)絡(luò)借貸相關(guān)研究,總結(jié)P2P網(wǎng)絡(luò)借貸平臺在中國經(jīng)歷的各個階段和運營模式,歸納了P2P網(wǎng)絡(luò)借貸的主要風(fēng)險,簡述分類問題及集成學(xué)習(xí)不同結(jié)合策略,并詳細介紹... 

【文章來源】：安徽財經(jīng)大學(xué)安徽省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    第一節(jié) 研究背景與研究意義
        一、研究背景
        二、研究意義
    第二節(jié) 國內(nèi)外文獻綜述
        一、P2P網(wǎng)貸違約影響因素
        二、P2P網(wǎng)貸違約預(yù)測模型
    第三節(jié) 論文研究框架
        一、研究方法
        二、研究內(nèi)容
        三、創(chuàng)新和不足
第二章 P2P網(wǎng)貸平臺及模型理論介紹
    第一節(jié) 國內(nèi)P2P網(wǎng)絡(luò)借貸發(fā)展介紹
        一、國內(nèi)發(fā)展階段
        二、運營模式發(fā)展
        三、P2P網(wǎng)絡(luò)借貸平臺風(fēng)險
    第二節(jié) 分類問題及集成學(xué)習(xí)工作原理簡述
        一、分類問題簡述
        二、集成學(xué)習(xí)工作原理
    第三節(jié) 集成學(xué)習(xí)算法介紹
        一、XGBoost算法
        二、隨機森林算法
        三、投票分類算法
    第四節(jié) 模型評價指標
        一、查準率、查全率與F1
        二、ROC曲線與AUC值
第三章 數(shù)據(jù)統(tǒng)計與預(yù)處理
    第一節(jié) 數(shù)據(jù)描述性統(tǒng)計
        一、數(shù)據(jù)簡介
        二、變量分布統(tǒng)計
        三、網(wǎng)貸違約用戶畫像分析
    第二節(jié) 數(shù)據(jù)預(yù)處理
        一、缺失值處理
        二、類別變量處理
        三、樣本不均衡處理
    第三節(jié) 特征工程
        一、特征縮放
        二、特征選擇
第四章 P2P網(wǎng)絡(luò)貸款違約客戶識別的實證分析
    第一節(jié) 基于XGBoost算法的實施及結(jié)果
        一、超參數(shù)調(diào)優(yōu)
        二、特征貢獻度
        三、預(yù)測結(jié)果及模型評價
    第二節(jié) 基于隨機森林算法的實施及結(jié)果
        一、超參數(shù)調(diào)優(yōu)
        二、特征貢獻度
        三、預(yù)測結(jié)果及模型評價
    第三節(jié) 基于投票分類算法的實施及結(jié)果
        一、基學(xué)習(xí)器選擇
        二、預(yù)測結(jié)果及模型評價
    第四節(jié) 實證結(jié)果分析
        一、算法性能對比
        二、特征貢獻度綜合分析
第五章 結(jié)論與建議
    第一節(jié) 主要結(jié)論
        一、違約影響因素分析結(jié)論
        二、機器學(xué)習(xí)算法研究結(jié)論
    第二節(jié) 對P2P網(wǎng)絡(luò)貸款平臺的建議
參考文獻
附錄
致謝


【參考文獻】：
期刊論文
[1]我國P2P行業(yè)“出清”的教訓(xùn)及反思[J]. 楊米沙.  中國商論. 2020(07)
[2]英美等國在P2P監(jiān)管和退出上的經(jīng)驗借鑒及對我國的啟示[J]. 秦榮波.  時代金融. 2020(09)
[3]互聯(lián)網(wǎng)P2P用戶借貸行為實證研究——基于美國市場的啟示[J]. 陳帥,王景.  電子商務(wù). 2020(03)
[4]關(guān)于我國P2P網(wǎng)絡(luò)借貸發(fā)展概況淺析[J]. 張健.  時代金融. 2020(03)
[5]基于Logistic回歸模型的P2P借款人信用違約風(fēng)險評估模型研究[J]. 陳雪蓮,潘美芹.  上海管理科學(xué). 2019(03)
[6]基于機器學(xué)習(xí)的P2P違約預(yù)測算法比較——以“人人貸”為例[J]. 李汛,龍真,付懷宇,劉品璐.  統(tǒng)計與管理. 2019(06)
[7]P2P網(wǎng)貸違約人是否具有區(qū)域性特征——來自湖南省的例證[J]. 吳楠.  經(jīng)濟數(shù)學(xué). 2019(01)
[8]P2P借貸違約風(fēng)險識別模型比較[J]. 安英博,程冬玲.  會計之友. 2019(02)
[9]P2P網(wǎng)貸借款人違約風(fēng)險評估——基于決策樹的研究[J]. 沈玉溪,徐浩.  經(jīng)營與管理. 2018(09)
[10]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)

博士論文
[1]基于支持向量機的農(nóng)戶小額貸款決策評價研究[D]. 程硯秋.大連理工大學(xué) 2011

碩士論文
[1]P2P網(wǎng)絡(luò)借貸借款人信用風(fēng)險影響因素研究[D]. 李妍.武漢大學(xué) 2019
[2]基于遺傳算法的P2P網(wǎng)貸違約預(yù)警模型研究[D]. 丁越.浙江大學(xué) 2019
[3]P2P網(wǎng)絡(luò)借貸借款人信用風(fēng)險評估研究[D]. 戴一成.江蘇大學(xué) 2019
[4]基于遺傳XGBoost模型的個人網(wǎng)貸信用評估研究[D]. 周慶岸.江西財經(jīng)大學(xué) 2019
[5]P2P借款人信用風(fēng)險防控研究[D]. 劉欣.河北金融學(xué)院 2019
[6]基于機器學(xué)習(xí)的P2P網(wǎng)貸平臺違約風(fēng)險預(yù)測實證研究[D]. 胡芳琴.安慶師范大學(xué) 2019
[7]P2P網(wǎng)絡(luò)借貸平臺借款人違約因素研究[D]. 王文涵.山西財經(jīng)大學(xué) 2019
[8]P2P借貸的網(wǎng)絡(luò)特征及其對違約風(fēng)險的影響研究[D]. 巴巨磊.電子科技大學(xué) 2019
[9]基于模糊聚類的P2P網(wǎng)貸平臺借款人信用評估研究[D]. 王海峰.西北農(nóng)林科技大學(xué) 2019
[10]基于生存分析法的P2P網(wǎng)絡(luò)借貸借款人違約風(fēng)險評估研究[D]. 劉瓊.武漢科技大學(xué) 2019



本文編號：3640683