【摘要】：2013年底,黨的十八屆三中全會將“發(fā)展普惠金融”確立為國家戰(zhàn)略。隨后2015底發(fā)布推進普惠金融發(fā)展規(guī)劃,而互聯(lián)網(wǎng)消費金融作為普惠金融的先鋒,發(fā)展迅猛,其中持牌類消費金融公司、P2P借貸公司、以及電商平臺的電商金融占據(jù)了消費金融領域的一大半市場。一方面,互聯(lián)網(wǎng)消費金融打破了傳統(tǒng)銀行的壁壘,使得借貸者能夠在線上直接實現(xiàn)融資,這種創(chuàng)新型金融模式給我國金融改革帶來新的機遇,為我國的經(jīng)濟轉型、消費升級注入了新的活力。而另一方面,互聯(lián)網(wǎng)消費金融的負面新聞頻頻出現(xiàn),其風控能力備受質疑,因此如何做好風控、形成健康的盈利模式將是互聯(lián)網(wǎng)消費金融面臨的首要問題。分析我國互聯(lián)網(wǎng)消費金融的發(fā)展現(xiàn)狀,互聯(lián)網(wǎng)消費金融產(chǎn)品主要分為三種經(jīng)營模式:第一,信息資金服務中介;第二,傳統(tǒng)消費金融的互聯(lián)網(wǎng)化;第三,基于電商平臺開展金融業(yè)務。在互聯(lián)網(wǎng)消費金融迅猛發(fā)展的趨勢下,主要面臨三類風險:信用風險、技術風險和監(jiān)管風險。其中欺詐類風險作為信用風險的主要表現(xiàn)形式,是互聯(lián)網(wǎng)消費金融風控能力的主要指標,因此互聯(lián)網(wǎng)消費金融反欺詐能力的提升刻不容緩。本文借鑒國內外的研究成果,結合統(tǒng)計學和機器學習等學科知識,以大數(shù)據(jù)為依托,提出了一套較為合理互聯(lián)網(wǎng)消費金融的反欺詐模型。該模型主要由統(tǒng)計分析、模型驗證、和人工驗證三大部分組成,其中統(tǒng)計驗證是采用統(tǒng)計方法收集、整理和分析原始數(shù)據(jù);模型驗證是使用機器學習算法,建立反欺詐模型,驗證出有欺詐可能性的用戶;人工驗證是前兩個模塊的補充,再次審核可能存在欺詐的用戶�；诜雌墼p系統(tǒng)的模型框架,本文收集互聯(lián)網(wǎng)消費金融的行業(yè)的實際數(shù)據(jù),并以此進行建模與分析。原始數(shù)據(jù)集中包含用戶的消費信息、社交信息和信用信息(異常類型和正常類型)。基于大數(shù)據(jù)統(tǒng)計分析,發(fā)現(xiàn)用戶的消費、社交與用戶的信用類型正相關,而用戶的社交關系對用戶的信用評價有明顯影響。抽取部分訓練集數(shù)據(jù)分別建立神經(jīng)網(wǎng)絡模型、支持向量機模型和隨機森林模型,使用測試集數(shù)據(jù)進行驗證,模型評估表明神經(jīng)網(wǎng)絡的預測效果最理想。最后,總結互聯(lián)網(wǎng)消費金融反欺詐系統(tǒng)的研究成果,闡述研究中的不足之處,并且對建設互聯(lián)網(wǎng)消費金融反欺詐系統(tǒng)給出合理的意見。
【圖文】：

神經(jīng)網(wǎng)絡靈活多變：由于神經(jīng)網(wǎng)絡神經(jīng)元太多，網(wǎng)絡層數(shù)不固定，，需，其參數(shù)設置可能多達幾千個，如果參數(shù)設置不合理，比如學習速率欠擬合；如果訓練樣本過少，導致訓練誤差很小出現(xiàn)過擬合，因此在中，參數(shù)的設立變得異常重要。強大的泛化功能：人工神經(jīng)網(wǎng)絡通過樣本數(shù)據(jù)進行訓練，自我學習獲接權值，具有強大的自我學習能力和自適應能力。神經(jīng)網(wǎng)絡模擬人類與其他機器學習的邏輯語言完全不一致。神經(jīng)網(wǎng)絡通過學習訓練樣與輸出層之間的內在聯(lián)系，從而找出最優(yōu)解，這個過程并不依靠先天了人為的思維定勢。絡從零六年至今經(jīng)歷井噴式發(fā)展，目前已有很多網(wǎng)絡模型，比如卷積 神經(jīng)網(wǎng)絡以及由此衍生的循環(huán)神經(jīng)網(wǎng)絡 RNN。卷積神經(jīng)網(wǎng)絡主要用P 神經(jīng)網(wǎng)絡的泛化能力比較強，有很強的自適應性，本文選擇 BP 神經(jīng)

圖 3-3 支持向量機線性可分情況言，支持向量機模型同樣也給出了計算模型，到高維向量空間中，在高維特征空間建立最優(yōu)在高緯空間線性可分。根據(jù)這一原理，只要。，利用核函數(shù)和懲罰系數(shù)，對非線性可分問(為
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F724.6;F832

【參考文獻】

相關期刊論文 前10條

1 李進;;基于隨機森林算法的綠色信貸信用風險評估研究[J];金融理論與實踐;2015年11期

2 黃旭;蘭秋穎;謝爾曼;;互聯(lián)網(wǎng)金融發(fā)展解析及競爭推演[J];金融論壇;2013年12期

3 湯俊;莫依雯;;基于數(shù)據(jù)挖掘技術的車險反欺詐系統(tǒng)構建[J];中南財經(jīng)政法大學研究生學報;2013年05期

4 楊群華;;我國互聯(lián)網(wǎng)金融的特殊風險及防范研究[J];金融科技時代;2013年07期

5 謝平;鄒傳偉;;互聯(lián)網(wǎng)金融模式研究[J];金融研究;2012年12期

6 莫易嫻;;P2P網(wǎng)絡借貸國內外理論與實踐研究文獻綜述[J];金融理論與實踐;2011年12期

7 向暉;楊勝剛;;基于多分類器組合的個人信用評估模型[J];湖南大學學報(社會科學版);2011年03期

8 王江;廖理;張金寶;;消費金融研究綜述[J];經(jīng)濟研究;2010年S1期

9 郭英見;吳沖;;基于信息融合的商業(yè)銀行信用風險評估模型研究[J];金融研究;2009年01期

10 肖文兵;費奇;萬虎;;基于支持向量機的信用評估模型及風險評價[J];華中科技大學學報(自然科學版);2007年05期

相關碩士學位論文 前2條

1 馬肖娜;互聯(lián)網(wǎng)消費金融的風險研究[D];蘭州大學;2017年

2 王冠;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分析[D];北京交通大學;2015年

本文編號：2706585