【摘要】：P2P網絡貸款是一種點對點的借款行為方式,它作為整個借貸環(huán)節(jié)的中介方,為借款方、投資方提供借貸服務,并以收取相應的費用作為盈利模式。該貸款方式創(chuàng)新性地把現代民間借貸業(yè)務的資本市場、互聯網人工智能信息技術、金融服務項目和電子信息商務平臺綜合起來,通過互聯網平臺把匯聚在一起的小額資本以類似債券的形式借貸給有需求的人或者中小微型等企業(yè)。至2018年底,類似網絡借貸功能的平臺已經超過6000家,這些平臺與傳統正規(guī)的金融業(yè)務不同,他們容易獲取大量資金和利潤。由于個人信用問題、政策未及時落實等因素造成借款方未按期還款、平臺中介“卷款跑路”等現象,使得該領域成為一個高風險行業(yè)。2018年我國存在異常的平臺共4672家,占總平臺數的比值高達77.4%。本文從引發(fā)網貸款信用風險的原因作為切入口,深度剖析其風險成因,結合實證分析,對我國提出政策性建議。由于國內P2P網貸的規(guī)模較小以及數據的完整性不高,因此本文針對目前全球規(guī)模最大的P2P網絡貸款平臺,美國Lending Club。研究中收集了2016年至2018年共三年的數據庫,多達1340797個樣本,其中有效樣本為43041個。文章分為四個模塊進行闡述。首先介紹了信用和風險的相關理論以及目前我國P2P網貸行業(yè)存在的問題和政府的整頓措施。其次分析了機器學習思想及其核心技術。針對所收集的數據樣本,討論和比較了不同機器學習模型的優(yōu)劣,最終選擇Logistic回歸模型對P2P網絡貸款風險測度進行研究。再次,為了尋找最優(yōu)模型,文中還引入了L1、L2正則項對該模型進行優(yōu)化。通過機器學習方法的研究,發(fā)現L1正則化Logistic回歸的風險評估效能(AUC=0.838)顯著優(yōu)于傳統Logistic回歸(AUC=0.740)和L2正則化Logistic回歸(AUC=0.791)。實際結果符合理論情況,說明Logistic回歸模型對P2P網絡貸款風險測度研究是可行和可靠的。最后總結了風險測度方向是P2P網貸行業(yè)穩(wěn)步發(fā)展的必要條件等結論。與此同時,對未來P2P網絡貸款業(yè)務提出政策建設建議,這對我國后期完善P2P網絡貸款服務體系具有非常重要的參考價值。
【學位授予單位】：廣州大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：C81
【圖文】：

第一章 引言方案，本章節(jié)的亮點在于降維方法、模型構建與優(yōu)化方法的應用和比較，對比假設檢驗方法和單因素 Logistic 回歸方法等不同降維方法的優(yōu)劣，以及對比 L1、L2 正則化 Logistic 回歸模型的優(yōu)化效能。第五章對實證結果進行總結分析，及對未來 P2P 網絡貸款行業(yè)提出相應的建議與展望。二、 結構框架(一) 章節(jié)關系思路圖

圖 2-1 P2P 網絡貸款中角色關系圖P2P 網絡貸款風險來源、種類和特征分析 網絡貸款是一種有別于傳統金融類項目的新型業(yè)務，其發(fā)展尚處于因此將受到許多因素的影響，造成一定程度的風險現象。貸款業(yè)務括貸款方、借款方和 P2P 平臺，在整體流程中的每個環(huán)節(jié)均會出現險節(jié)點。信用貸款風險出現在信貸市場交易活動中，它影響著信貸徑，并且構成發(fā)展結果的不確定性，這種不確定性正是信用風險產。本文研究了影響 P2P 網絡貸款的健康發(fā)展的主要風險因素，發(fā)現由傳統業(yè)務的風險因素以及基于互聯網平臺本身的內在的風險因質可以將風險分為兩大類，第一類為固有風險，第二類為不定風有風險

圖 3-1 機器學習三要素文研究的主要是監(jiān)督學習，該方法最重要的特征在于模型構建過程解釋變量，主要由回歸分析和分類分析兩大類構成。在回歸分析中為連續(xù)型特征，而在分類分析中，被解釋變量為離散型特征。本文絡貸款風險測度模型中，將貸款者的個人身份、資產等信息作為解而將其是否違約作為被解釋變量特征。在本文研究中，模型的假設ic 回歸模型，模型選擇的準則有平方誤差(square-error)和 AUC 值，法為引入 L1 正則項，利用交叉驗證技術和梯度下降法進行最優(yōu)化器學習在整個最優(yōu)化模型的構建中，其思想在于如何把握訓練集、減少到一定程度，并從眾多模型中選擇出一個最優(yōu)模型，即機器學程。節(jié) Logistic 回歸模型及其優(yōu)化

【參考文獻】

相關期刊論文 前8條

1 宋麗平;張利坤;徐瑋;;P2P網絡借貸個人信用風險評估[J];財會月刊;2015年35期

2 閆春英;張佳睿;;完善我國P2P網絡借貸平臺風險控制體系的策略研究[J];經濟學家;2015年10期

3 廖愉平;;我國互聯網金融發(fā)展及其風險監(jiān)管研究——以P2P平臺、余額寶、第三方支付為例[J];經濟與管理;2015年02期

4 傅彥銘;臧敦剛;戚名鈺;;P2P網絡貸款信用的風險評估[J];統計與決策;2014年21期

5 李珍香;王文劍;郭虎升;;處理多類不平衡數據的SVM分類算法[J];計算機工程與設計;2014年07期

6 楊徑川;;基于“Prosper”和“拍拍貸”的對比分析,探討我國“人人貸”發(fā)展的風險與不足[J];中國科技投資;2013年11期

7 張曉毛;張志芳;;我國中小商業(yè)銀行拓展微小企業(yè)信貸業(yè)務創(chuàng)新研究[J];商業(yè)文化(下半月);2012年02期

8 姜明輝;袁緒川;;個人信用評估PSO-SVM模型的構建及應用[J];管理學報;2008年04期

相關碩士學位論文 前5條

1 高瑞瑤;我國P2P網絡借貸借款方風險分析與防范[D];中國社會科學院研究生院;2014年

2 羅揚;我國P2P網絡借貸的風險管理體系的構建[D];浙江理工大學;2014年

3 袁羽;基于Logistic回歸的P2P網絡貸款信用風險度量[D];上海社會科學院;2014年

4 白金瑞;基于Logistic回歸的神經網絡模型在個人信用評估中的應用[D];內蒙古大學;2012年

5 王琪;基于數據挖掘的商業(yè)銀行個人信用風險評估體系研究[D];北京交通大學;2009年

本文編號：2758921