隨著P2P網(wǎng)貸平臺的迅速發(fā)展,一個關(guān)鍵的問題是投資者如何評估借款人的信用風(fēng)險并有效投資。本文從網(wǎng)貸平臺的真實貸款數(shù)據(jù)出發(fā),分別用邏輯回歸和隨機森林預(yù)測貸款的違約概率,并通過距離度量模型與核權(quán)重相結(jié)合評估出新貸款需求的收益和風(fēng)險。由于P2P網(wǎng)貸平臺對放、貸款金額的限制,本文同時解決了一個有約束的投資組合問題。數(shù)據(jù)結(jié)果顯示,與傳統(tǒng)的信用分級相比,本文的方法提高了貸款收益率預(yù)測的準確度,選擇出的投資組合收益率更高。 

【文章來源】：上海管理科學(xué). 2017,39(03)

【文章頁數(shù)】：6 頁

【部分圖文】：

核權(quán)重級優(yōu)參數(shù)h選擇

上海管理科學(xué)?Ｓｈａｎｇｈａｉ?Ｍａｎａｇｅｍｅｎｔ?Ｓｃｉｅｎｃｅ?第?３９?卷第?３?期丨?２０１７?年?６?月?｜?Ｖｏｌ．?３９?ｊ?Ｎｏ．?３?｜?Ｊｕｎ．?２０１７??測貸款的收益值以及方差值，對于傳統(tǒng)信用分級方?度上有所提高，且隨機森林預(yù)測效果更好。??式，處于同一個信用級別的貸款被認為具有相同的?表２預(yù)測收益精確度比較??風(fēng)險和收益值，收益與貸款違約概率的關(guān)系如圖２?ｉｉ?￣??所示，方差與違約概率的關(guān)系如圖３所示。由于本?信用分級?１４．８９８?８８??文研究的理性投資者一般不會選擇違約概率很高、?邏輯回歸?１４．３６７?２３??極易發(fā)生違約的貸款，故圖２、３中展７Ｋ的關(guān)系選擇?隨機森林?１３．６６６?１１??出的貸款違約概率以０．４為分界。圖中顯示隨著貸??款違約概率的增長，貸款的風(fēng)險增大，收益減少，從?在測試集中每個貸款可能實現(xiàn)的收益和風(fēng)險已??曲線可以看出，同評級方法相比，邏輯回歸和隨機森?被評估出來的情況下，通過有約束的投資組合選擇??林預(yù)測出的收益和方差更加平滑，不同貸款之間有?求解出最優(yōu)的資產(chǎn)配置，即投資者投分配給各借款??區(qū)分度，方便更精確地判斷投資組合。?人的比例，結(jié)合測試集中的各貸款的真實收益值、比??３．５６ｒ?〇?較信用分級、邏輯回歸以及隨機森林這３種方法選??出的投資組合的真實收益狀況，即比較哪種方法的??￥?ｚ?投資收益率更高、夏普率更低。為了驗證模型的適??｜?３＇５２＿?／?用性，將數(shù)據(jù)分成８組按照上面所述方法進行測試，??｜?／?由于網(wǎng)貸平臺借款的平均還款期限相對較短，故選??３４８?／?�。保的昝绹昶诘膰鴤狡谄骄找媛首鳛闊o??

上海管理科學(xué)?Ｓｈａｎｇｈａｉ?Ｍａｎａｇｅｍｅｎｔ?Ｓｃｉｅｎｃｅ?第?３９?卷第?３?期丨?２０１７?年?６?月?｜?Ｖｏｌ．?３９?ｊ?Ｎｏ．?３?｜?Ｊｕｎ．?２０１７??測貸款的收益值以及方差值，對于傳統(tǒng)信用分級方?度上有所提高，且隨機森林預(yù)測效果更好。??式，處于同一個信用級別的貸款被認為具有相同的?表２預(yù)測收益精確度比較??風(fēng)險和收益值，收益與貸款違約概率的關(guān)系如圖２?ｉｉ?￣??所示，方差與違約概率的關(guān)系如圖３所示。由于本?信用分級?１４．８９８?８８??文研究的理性投資者一般不會選擇違約概率很高、?邏輯回歸?１４．３６７?２３??極易發(fā)生違約的貸款，故圖２、３中展７Ｋ的關(guān)系選擇?隨機森林?１３．６６６?１１??出的貸款違約概率以０．４為分界。圖中顯示隨著貸??款違約概率的增長，貸款的風(fēng)險增大，收益減少，從?在測試集中每個貸款可能實現(xiàn)的收益和風(fēng)險已??曲線可以看出，同評級方法相比，邏輯回歸和隨機森?被評估出來的情況下，通過有約束的投資組合選擇??林預(yù)測出的收益和方差更加平滑，不同貸款之間有?求解出最優(yōu)的資產(chǎn)配置，即投資者投分配給各借款??區(qū)分度，方便更精確地判斷投資組合。?人的比例，結(jié)合測試集中的各貸款的真實收益值、比??３．５６ｒ?〇?較信用分級、邏輯回歸以及隨機森林這３種方法選??出的投資組合的真實收益狀況，即比較哪種方法的??￥?ｚ?投資收益率更高、夏普率更低。為了驗證模型的適??｜?３＇５２＿?／?用性，將數(shù)據(jù)分成８組按照上面所述方法進行測試，??｜?／?由于網(wǎng)貸平臺借款的平均還款期限相對較短，故選??３４８?／?�。保的昝绹昶诘膰鴤狡谄骄找媛首鳛闊o??

【參考文獻】：
期刊論文
[1]基于非線性主成分分析的信用評估模型研究[J]. 熊志斌.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2013 (10)
[2]個人信用評估組合模型的構(gòu)建——基于決策樹—神經(jīng)網(wǎng)絡(luò)的研究[J]. 楊勝剛,朱琦,成程.  金融論壇. 2013(02)
[3]模糊近似支持向量機模型及其在信用風(fēng)險評估中的應(yīng)用[J]. 姚瀟,余樂安.  系統(tǒng)工程理論與實踐. 2012(03)

博士論文
[1]P2P網(wǎng)絡(luò)借貸中的投資決策模型研究[D]. 雒春雨.大連理工大學(xué) 2012

碩士論文
[1]我國P2P網(wǎng)絡(luò)信貸風(fēng)險評估研究[D]. 劉峙廷.廣西大學(xué) 2013



本文編號：3046363