目前,互聯(lián)網(wǎng)金融行業(yè)呈現(xiàn)欣欣向榮的局面,借貸業(yè)務(wù)作為金融行業(yè)中的基礎(chǔ)業(yè)務(wù),其理念和方式也在不斷地推陳出新,隨著小額信貸市場中“普惠金融”理念的提出,P2P網(wǎng)絡(luò)信貸平臺應(yīng)運而生,平臺提供極簡的借貸審核流程以及借款項目跟蹤記錄,為投資人和借款人提供便利的借貸通道,縮短了傳統(tǒng)借貸業(yè)務(wù)的辦理時間。但是,隨著P2P行業(yè)由成長擴張階段轉(zhuǎn)為爆發(fā)增長階段,行業(yè)競爭日益激烈,不規(guī)范的行業(yè)運營導(dǎo)致問題平臺不斷暴露,借款人違約率也持續(xù)升高,平臺經(jīng)營者遭受了巨大的損失。為了防止互聯(lián)網(wǎng)金融行業(yè)發(fā)展的進一步惡化,除了相應(yīng)監(jiān)管政策需要完善落實,更應(yīng)該提高平臺的抗風(fēng)險能力,一項基礎(chǔ)而又重要的工作是建立并運行一套低成本高效率的違約風(fēng)險預(yù)測模型。本文首先介紹P2P行業(yè)發(fā)展背景及研究現(xiàn)狀,接著對機器學(xué)習(xí)分類模型的相關(guān)理論知識做了闡釋。然后本文運用八爪魚爬蟲軟件采集了“人人貸”平臺開源借貸數(shù)據(jù),經(jīng)過數(shù)據(jù)預(yù)處理后,先對代表性變量與客戶違約率之間做統(tǒng)計分析,然后基于數(shù)據(jù)集構(gòu)建決策樹、隨機森林、XGBoost三種機器學(xué)習(xí)模型,評估各模型違約風(fēng)險預(yù)測能力,基于調(diào)參后XGBoost模型所得到的具有高精確度、高召回率的預(yù)測結(jié)果,結(jié)合St... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１：債權(quán)轉(zhuǎn)讓模式示意圖??

圖１：債權(quán)轉(zhuǎn)讓模式示意圖??（２）推薦合作模式??推薦合作模式如圖２所示，平臺為第三方資金存管機構(gòu)，投資人提前存入放??貸資金，達(dá)成標(biāo)的有效期、利率等相關(guān)事項借貸協(xié)議，平臺匹配合適借款人后，??兩天之內(nèi)，平臺將通知交易雙方在線上簽訂協(xié)議，而第三方合作機構(gòu)主要在貸前??為投資人提供本息擔(dān)保以及借款人的貸款申請，即合作機構(gòu)通過其內(nèi)部貸款風(fēng)險??評估標(biāo)準(zhǔn)對借款人進行風(fēng)險測評，測評通過的客戶推薦給平臺，并將優(yōu)質(zhì)項目推??薦給平臺，機構(gòu)收取信息中介費，平臺線上負(fù)責(zé)放貸流程中相關(guān)事宜。但該模式??中與平臺合作的第三方機構(gòu)并不簽訂長期合同，兩者的中介服務(wù)費獨立，且最終??由投資人行使借款追索權(quán)，故在該模式下，平臺與合作機構(gòu)之間需要有穩(wěn)定的信??用合作關(guān)系。??目—?—二次鳳Ｓ束核一？］??投資人一充值

風(fēng)險大幅增大，且Ｐ２Ｎ模式下的單筆標(biāo)的金額普遍過１００萬，資金集中，風(fēng)險??散度差，合作機構(gòu)違約風(fēng)險事件頻發(fā)，且平臺本身開發(fā)的資產(chǎn)較少，Ｐ２Ｎ平臺??發(fā)展受局限，且合作機構(gòu)一般發(fā)展較為成熟，Ｐ２Ｐ作為新興發(fā)展行業(yè)，容易淪??合作機構(gòu)的信息發(fā)布代理商，無法縱向發(fā)展，且市場風(fēng)險承受能力弱，因此Ｐ２Ｎ??式的發(fā)展一直存在爭議。??．?２?Ｐ２Ｐ信貸平臺行業(yè)現(xiàn)狀分析??本節(jié)將從平臺運營數(shù)量、發(fā)展類型、業(yè)務(wù)成交量、行業(yè)人氣指數(shù)、問題平臺??型幾個方面對Ｐ２Ｐ信貸平臺的行業(yè)現(xiàn)狀進行分析。整體上看，截止２０１９年１月，??據(jù)網(wǎng)貸之家網(wǎng)站（ｗｗｗ．ｗｄｚｊ．ｃｏｍ）數(shù)據(jù)，我國Ｐ２Ｐ平臺運營數(shù)量累計６４５１家，??比增長９％，正常運營數(shù)量１０１８家，累計問題平臺２６８０家，同比上升３６％。??．?２．?１平臺數(shù)量分析??

【參考文獻(xiàn)】：
期刊論文
[1]互聯(lián)網(wǎng)金融風(fēng)險誘因和嚴(yán)重程度的識別——基于z值評分模型[J]. 吳珂,謝晉雯.  商業(yè)經(jīng)濟研究. 2018(22)
[2]我國P2P網(wǎng)貸平臺風(fēng)控現(xiàn)狀及三重風(fēng)控體系探索[J]. 張恩典,左逸,周瑩.  金融經(jīng)濟. 2017(04)
[3]淺析互聯(lián)網(wǎng)金融對商業(yè)銀行的影響[J]. 徐穎.  時代金融. 2015(26)
[4]互聯(lián)網(wǎng)金融風(fēng)險控制以P2P網(wǎng)貸平臺為視角[J]. 董妍.  商業(yè)經(jīng)濟研究. 2015(03)
[5]數(shù)據(jù)挖掘模型在小企業(yè)主信用評分領(lǐng)域的應(yīng)用[J]. 王磊,范超,解明明.  統(tǒng)計研究. 2014(10)
[6]基于博弈論的商業(yè)銀行信貸風(fēng)險分析[J]. 李燕梅.  特區(qū)經(jīng)濟. 2013(08)
[7]P2P網(wǎng)絡(luò)借貸平臺風(fēng)險防范[J]. 艾金娣.  中國金融. 2012(14)
[8]基于多分類器組合的個人信用評估模型[J]. 向暉,楊勝剛.  湖南大學(xué)學(xué)報(社會科學(xué)版). 2011(03)
[9]基于信息融合的商業(yè)銀行信用風(fēng)險評估模型研究[J]. 郭英見,吳沖.  金融研究. 2009(01)
[10]基于支持向量機的信用評估模型及風(fēng)險評價[J]. 肖文兵,費奇,萬虎.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2007(05)

博士論文
[1]隨機森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟貿(mào)易大學(xué) 2014
[2]基于集成學(xué)習(xí)的高光譜遙感影像分類[D]. 夏俊士.中國礦業(yè)大學(xué) 2013

碩士論文
[1]基于數(shù)據(jù)挖掘技術(shù)的P2P借貸違約風(fēng)險識別模型研究[D]. 王嘉琪.浙江工商大學(xué) 2018
[2]P2P模式中投資者權(quán)利保護制度研究[D]. 陶秋樹.華東政法大學(xué) 2016
[3]P2P網(wǎng)絡(luò)借貸平臺風(fēng)險管理研究[D]. 譚嘉玲.長沙理工大學(xué) 2015
[4]我國P2P網(wǎng)絡(luò)借貸平臺風(fēng)險控制體系的構(gòu)建研究[D]. 黃迪.浙江工商大學(xué) 2014
[5]基于機器學(xué)習(xí)的VoIP流量識別技術(shù)研究[D]. 張峰.華中師范大學(xué) 2013
[6]決策樹算法改進及其在銀行個人客戶評級中的應(yīng)用[D]. 趙國強.暨南大學(xué) 2011
[7]一種改進的決策樹算法研究與應(yīng)用[D]. 孫怡哲.遼寧工程技術(shù)大學(xué) 2010



本文編號：3348536