2016年以來,許多P2P金融平臺開始開發(fā)大學(xué)生信貸消費產(chǎn)品,隨著規(guī)模逐漸擴大,大學(xué)生信貸消費平臺所面臨的逾期率持續(xù)上升、壞賬累積過多及資金配置不當?shù)葐栴}日益嚴峻。因此,本文著眼于平臺對大學(xué)生群體的授信額度分配問題,分別對大學(xué)生用戶當前信用額度的更新和新注冊大學(xué)生信用額度的首次分配兩方面進行研究,在傳統(tǒng)信用評估的基礎(chǔ)上,引入用戶的消費需求評估,更科學(xué)有效地制定額度策略,提高平臺整體資金的使用效率。在大學(xué)生用戶現(xiàn)有額度的更新策略設(shè)計中,本文選取大學(xué)生用戶在信貸消費平臺上的互聯(lián)網(wǎng)歷史行為信息作為數(shù)據(jù)挖掘?qū)ο?首先通過機器學(xué)習中特征工程的方法提取和構(gòu)建大學(xué)生用戶在個人基本信息、訂單及訂單行為信息及APP場景行為信息等方面的特征維度,并利用集中度、IV信息值及Pearson相關(guān)系數(shù)等指標進行篩選得到最終特征子集。然后利用Xgboost算法框架,分別建立了準確性及穩(wěn)定性均達預(yù)期水平的用戶逾期概率預(yù)測模型和未來消費金額回歸預(yù)測模型。最后結(jié)合模型預(yù)測結(jié)果評估平臺當前大學(xué)生用戶的信用狀況和消費需求,劃分用戶等級,并對其現(xiàn)有額度制定了有效的額度更新策略。更新后,節(jié)約平臺額度資金達14.18%。由于新注冊... 

【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

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 文獻綜述
        1.2.1 文獻分析
        1.2.2 文獻總結(jié)
    1.3 研究內(nèi)容與論文結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
第2章 模型理論與算法介紹
    2.1 特征工程理論
        2.1.1 特征工程簡介
        2.1.2 特征工程步驟
    2.2 Xgboost模型介紹
        2.2.1 Xgboost理論概述
        2.2.2 Xgboost參數(shù)介紹
    2.3 鏈路預(yù)測理論介紹
        2.3.1 復(fù)雜網(wǎng)絡(luò)簡介
        2.3.2 鏈路預(yù)測方法介紹
第3章 大學(xué)生的信貸行為數(shù)據(jù)預(yù)處理及特征構(gòu)造
    3.1 大學(xué)生信貸行為數(shù)據(jù)說明和數(shù)據(jù)預(yù)處理
        3.1.1 數(shù)據(jù)來源與基本情況
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 大學(xué)生信貸行為信息的特征構(gòu)造
        3.2.1 大學(xué)生用戶基本信息
        3.2.2 大學(xué)生用戶的訂單及訂單行為信息
        3.2.3 大學(xué)生用戶APP場景行為
    3.3 特征子集篩選
        3.3.1 特征集中度分析
        3.3.2 特征關(guān)系分析
    3.4 特征集總結(jié)
第4章 大學(xué)生授信額度的更新和首次分配算法
    4.1 平臺大學(xué)生用戶當前信用額度更新策略設(shè)計
        4.1.1 模型訓(xùn)練集劃分
        4.1.2 基于Xgboost分類模型的大學(xué)生逾期概率預(yù)測
        4.1.3 基于Xgboost回歸模型的大學(xué)生未來消費額預(yù)測
        4.1.4 平臺大學(xué)生用戶的當前額度更新策略
    4.2 平臺新注冊大學(xué)生用戶的信用額度首次分配策略設(shè)計
        4.2.1 平臺當前大學(xué)生的復(fù)雜網(wǎng)絡(luò)構(gòu)建
        4.2.2 基于節(jié)點屬性相似度的鏈路預(yù)測算法
        4.2.3 平臺新注冊大學(xué)生的額度分配策略
    4.3 大學(xué)生授信額度分配策略總結(jié)及結(jié)果分析
        4.3.1 平臺大學(xué)生用戶當前額度更新策略結(jié)果對比
        4.3.2 平臺新注冊大學(xué)生用戶額度分配策略結(jié)果分析
第5章 總結(jié)和展望
    5.1 總結(jié)
    5.2 主要創(chuàng)新
    5.3 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]XGBoost算法在制造業(yè)質(zhì)量預(yù)測中的應(yīng)用[J]. 蔣晉文,劉偉光.  智能計算機與應(yīng)用. 2017(06)
[2]基于Xgboost的商業(yè)銷售預(yù)測[J]. 葉倩怡,饒泓,姬名書.  南昌大學(xué)學(xué)報(理科版). 2017(03)
[3]基于共同鄰居的鏈路預(yù)測新指標[J]. 郭婷婷,趙承業(yè).  中國計量學(xué)院學(xué)報. 2016(01)
[4]互聯(lián)網(wǎng)消費金融萬億級市場空間開啟,校園分期市場爭奪進入白熱化[J].   金卡工程. 2015(10)
[5]個人信用風險評分的指標選擇研究[J]. 黃秋彧,史小康.  新疆財經(jīng)大學(xué)學(xué)報. 2015(03)
[6]大學(xué)生信貸消費市場前景分析[J]. 鄧秀煥.  現(xiàn)代商業(yè). 2015(17)
[7]大學(xué)生網(wǎng)絡(luò)分期消費產(chǎn)品發(fā)展現(xiàn)狀、原因及利弊分析[J]. 郭琳娜.  中國市場. 2015(16)
[8]我國P2P網(wǎng)絡(luò)借貸信用風險影響因素研究——基于排序選擇模型的實證分析[J]. 肖曼君,歐緣媛,李穎.  財經(jīng)理論與實踐. 2015(01)
[9]特征選擇方法與算法的研究[J]. 李敏,卡米力·木依丁.  計算機技術(shù)與發(fā)展. 2013(12)
[10]網(wǎng)絡(luò)借貸借款人決策輔助模型[J]. 陳冬宇,李偉軍,丁婕.  吉林大學(xué)學(xué)報(信息科學(xué)版). 2012(06)

碩士論文
[1]基于用戶行為數(shù)據(jù)的P2P網(wǎng)貸違約預(yù)測[D]. 王靜月.上海師范大學(xué) 2017
[2]基于社團綜合屬性的鏈路預(yù)測算法研究[D]. 周真爭.南京信息工程大學(xué) 2016
[3]基于相似性的鏈路預(yù)測方法及應(yīng)用[D]. 郭婷婷.中國計量大學(xué) 2016
[4]基于Xgboost方法的實體零售業(yè)銷售額預(yù)測研究[D]. 葉倩怡.南昌大學(xué) 2016
[5]網(wǎng)絡(luò)借貸結(jié)合大學(xué)生分期市場業(yè)務(wù)模式分析[D]. 郭明泰.云南大學(xué) 2016
[6]關(guān)于大學(xué)生選擇校園分期金融產(chǎn)品的影響因素的調(diào)查[D]. 李啟明.西南財經(jīng)大學(xué) 2016
[7]基于用戶互聯(lián)網(wǎng)行為數(shù)據(jù)的個人征信評估體系建設(shè)分析[D]. 王冠.北京交通大學(xué) 2015



本文編號：3434527