2016年以來,許多P2P金融平臺開始開發(fā)大學生信貸消費產品,隨著規(guī)模逐漸擴大,大學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等問題日益嚴峻。因此,本文著眼于平臺對大學生群體的授信額度分配問題,分別對大學生用戶當前信用額度的更新和新注冊大學生信用額度的首次分配兩方面進行研究,在傳統信用評估的基礎上,引入用戶的消費需求評估,更科學有效地制定額度策略,提高平臺整體資金的使用效率。在大學生用戶現有額度的更新策略設計中,本文選取大學生用戶在信貸消費平臺上的互聯網歷史行為信息作為數據挖掘對象,首先通過機器學習中特征工程的方法提取和構建大學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相關系數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)定性均達預期水平的用戶逾期概率預測模型和未來消費金額回歸預測模型。最后結合模型預測結果評估平臺當前大學生用戶的信用狀況和消費需求,劃分用戶等級,并對其現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】：云南大學云南省 211工程院校

【文章頁數】：63 頁

【學位級別】：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
    1.3 研究內容與論文結構
        1.3.1 研究內容
        1.3.2 論文結構
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參數介紹
    2.3 鏈路預測理論介紹
        2.3.1 復雜網絡簡介
        2.3.2 鏈路預測方法介紹
第3章 大學生的信貸行為數據預處理及特征構造
    3.1 大學生信貸行為數據說明和數據預處理
        3.1.1 數據來源與基本情況
        3.1.2 數據預處理
    3.2 大學生信貸行為信息的特征構造
        3.2.1 大學生用戶基本信息
        3.2.2 大學生用戶的訂單及訂單行為信息
        3.2.3 大學生用戶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 特征關系分析
    3.4 特征集總結
第4章 大學生授信額度的更新和首次分配算法
    4.1 平臺大學生用戶當前信用額度更新策略設計
        4.1.1 模型訓練集劃分
        4.1.2 基于Xgboost分類模型的大學生逾期概率預測
        4.1.3 基于Xgboost回歸模型的大學生未來消費額預測
        4.1.4 平臺大學生用戶的當前額度更新策略
    4.2 平臺新注冊大學生用戶的信用額度首次分配策略設計
        4.2.1 平臺當前大學生的復雜網絡構建
        4.2.2 基于節(jié)點屬性相似度的鏈路預測算法
        4.2.3 平臺新注冊大學生的額度分配策略
    4.3 大學生授信額度分配策略總結及結果分析
        4.3.1 平臺大學生用戶當前額度更新策略結果對比
        4.3.2 平臺新注冊大學生用戶額度分配策略結果分析
第5章 總結和展望
    5.1 總結
    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)質量預測中的應用[J]. 蔣晉文,劉偉光.  智能計算機與應用. 2017(06)
[2]基于Xgboost的商業(yè)銷售預測[J]. 葉倩怡,饒泓,姬名書.  南昌大學學報(理科版). 2017(03)
[3]基于共同鄰居的鏈路預測新指標[J]. 郭婷婷,趙承業(yè).  中國計量學院學報. 2016(01)
[4]互聯網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.  新疆財經大學學報. 2015(03)
[6]大學生信貸消費市場前景分析[J]. 鄧秀煥.  現代商業(yè). 2015(17)
[7]大學生網絡分期消費產品發(fā)展現狀、原因及利弊分析[J]. 郭琳娜.  中國市場. 2015(16)
[8]我國P2P網絡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.  計算機技術與發(fā)展. 2013(12)
[10]網絡借貸借款人決策輔助模型[J]. 陳冬宇,李偉軍,丁婕.  吉林大學學報(信息科學版). 2012(06)

碩士論文
[1]基于用戶行為數據的P2P網貸違約預測[D]. 王靜月.上海師范大學 2017
[2]基于社團綜合屬性的鏈路預測算法研究[D]. 周真爭.南京信息工程大學 2016
[3]基于相似性的鏈路預測方法及應用[D]. 郭婷婷.中國計量大學 2016
[4]基于Xgboost方法的實體零售業(yè)銷售額預測研究[D]. 葉倩怡.南昌大學 2016
[5]網絡借貸結合大學生分期市場業(yè)務模式分析[D]. 郭明泰.云南大學 2016
[6]關于大學生選擇校園分期金融產品的影響因素的調查[D]. 李啟明.西南財經大學 2016
[7]基于用戶互聯網行為數據的個人征信評估體系建設分析[D]. 王冠.北京交通大學 2015



本文編號：3434527