P2P網(wǎng)絡(luò)借貸是傳統(tǒng)金融與互聯(lián)網(wǎng)結(jié)合的產(chǎn)物,與傳統(tǒng)金融不同,P2P網(wǎng)絡(luò)借貸是一種去中心化的模式,它實現(xiàn)了個人向個人,即點對點的借貸,而不需要金融機構(gòu)等中介參與到借貸各環(huán)節(jié)中。由于P2P平臺具有方便快捷的特點,同時相比于銀行等金融機構(gòu),P2P平臺對借款人的要求較低,放貸過程更為簡便,越來越多的人選擇通過P2P平臺進行貸款。但是,由于P2P網(wǎng)絡(luò)借貸本身的特點,對P2P平臺進行風(fēng)險控制尤為關(guān)鍵,不斷的降低借貸違約率,提高借貸收益率,并且尋找出這兩者的影響因素成為了各個P2P網(wǎng)絡(luò)借貸平臺的第一目標(biāo),因此研究P2P平臺風(fēng)險控制機制具有重要的現(xiàn)實意義�，F(xiàn)有研究中,學(xué)者們大部分都是分別圍繞違約率和收益率影響因素進行研究,卻較少將兩者結(jié)合起來進行研究。鑒于此,本文在探究違約率影響因素的基礎(chǔ)上,進一步的引入了貸款收益率的概念,試圖結(jié)合兩者各自的優(yōu)勢來對貸款進行劃分,得出更為有效的貸款篩選機制來滿足具有不同風(fēng)險偏好的貸款人,豐富P2P網(wǎng)絡(luò)借貸領(lǐng)域的研究成果。本文選取Lending Club平臺2007年至2015年間累計89萬條借貸交易數(shù)據(jù),經(jīng)過對數(shù)據(jù)集的清洗,最終保留24萬條信用貸款數(shù)據(jù)作為本研究的樣本。數(shù)據(jù)集中主要包括借款人個人信息、貸款信息、借款人信用信息、貸款狀態(tài)和還款信息等信息。經(jīng)過對樣本進行描述性統(tǒng)計后,使用多個機器學(xué)習(xí)模型對違約率進行預(yù)測,最終選擇了準確率較高的邏輯回歸模型。接著,對邏輯回歸的結(jié)果進行了分析,對違約率影響因素進行了討論,并使用了另一種數(shù)據(jù)挖掘技術(shù)xgboost對各個特征進行排序,并將其結(jié)果和邏輯回歸結(jié)果做以比較。最后將預(yù)測出的違約率和已有的收益率相結(jié)合得出貸款評分,進行了進一步的討論。數(shù)據(jù)分析結(jié)果表明:第一,在只考慮貸款違約率的情況下,借款人年收入、總信貸余額、負債收入比、平臺信用等級和貸款目的對是否違約有較大影響;第二,在同時考慮違約率和收益率的情況下,貸款評分的影響因素和違約率的影響因素較為類似,但是在不同貸款目的下表現(xiàn)不同,以婚禮為目的貸款的違約率是最低的,平均收益率是最高的,但婚禮的平均貸款效益,也就是評分并不是最好的,而最高的是車貸,這種方法提供了新的視角來評判貸款的好壞;第三,從研究中不難發(fā)現(xiàn),網(wǎng)絡(luò)借貸市場并不是一個完全有效的市場,還存在很大的改進空間。本研究拓寬了 P2P平臺信用風(fēng)險領(lǐng)域的研究,具體而言:第一,根據(jù)回歸結(jié)果得出了對違約率影響較大的幾個因素并對這些因素做出解釋,對以往文獻做以有益補充;第二,采用了新的視角,綜合考慮違約率和收益率兩者,通過數(shù)值分析得出了貸款評分的影響因素,重點分析了不同貸款目的下貸款的差異如何,為借貸平臺和借貸個人提供了較有價值的評判參考指標(biāo)。本研究的研究結(jié)論對于P2P平臺和貸款人在選取貸款時具有重要指導(dǎo)意義,根據(jù)貸款評分和風(fēng)險偏好選取借款人進行放貸,在規(guī)避風(fēng)險的同時將收益最大化。不斷淘汰劣質(zhì)貸款,提高P2P借貸市場的效率,使其向完全效率市場發(fā)展。
【學(xué)位單位】：東北財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F724.6;F832.4
【部分圖文】：

貨款目的??圖４－１不同貸款目的下違約率低于〇．?３的貸款占比（降序）??圖４－１中展示了違約率低于０．３的貸款在本貸款目的下的貸款總體中的占比，??其屮，以婚禮、教育、車貸和購物為目的的貸款占比排名前四，說明這幾種目的下??的貸款信用要好于其他目的下貸款，借款人有“較大概率”不會違約。??２６??

圖４－５包含“工齡”特征時模型的ＲＯＣ曲線圖??了比較兩種特征選擇方法在模型準確率上的差異，圖４－５中給出了征時的ＲＯＣ曲線圖。比較上面兩圖可以看出，使用機器學(xué)習(xí)方法剔征后，模型的ＡＵＣ從０．８０５提高到了?０．８２，這說明后序逐步回歸法預(yù)測性能是有幫助的。??２９??

Ｆ?ｓｃｏｒｅ??圖４－６?ｘｇｂｏｏｓｔ特征重要性排序結(jié)果??圖４－６中每個特征后面的數(shù)字表示個特征節(jié)點在樹中出現(xiàn)的次數(shù)，數(shù)字越大代??表該節(jié)點被使用的次數(shù)越多，該特征對最終預(yù)測結(jié)果的貢獻程度越大，其中債務(wù)??收入比和貸款利率的重要性更高，其次是信用額度總數(shù)、總信貸周轉(zhuǎn)余額、申請??貸款金額、每月支付費用、循環(huán)利用率和年收入６個重要度相近的特征。??４．３．３結(jié)果比較??將前面對違約率影響因素排序的結(jié)果進行對比可以發(fā)現(xiàn)，負債收入比在兩種方??法中都是最為重要的特征；其次，信用額度總數(shù)在兩種方法得出的結(jié)論中的排序??位置也較為一致�？傮w來看，影響借款人違約率的因素首先是借款人的還款能力，??其次是借款人的信用情況，在所有特征中負債收入比和信用額度總數(shù)表現(xiàn)最為突??出，是最為重要的特征。??３２??
【相似文獻】

相關(guān)期刊論文 前10條

1 管亮;曲巍;;市場經(jīng)濟背景下校園貸款風(fēng)險研究[J];中國管理信息化;2018年14期

2 彩霞;;“祼條”貸款創(chuàng)業(yè)埋隱患,隱私曝光怒殺債主人生盡毀[J];婦女生活;2016年11期

3 夢裳;;“祼條”貸款圓了創(chuàng)業(yè)夢,誰堪裸照曝光后血腥收場[J];人生與伴侶(上半月版);2016年11期

4 戴衛(wèi)婷;田欣;;淺析美國次貸危機爆發(fā)的原因和特點[J];山西青年;2017年05期

5 趙華杰;李東霞;徐慧敏;;小貸公司困局待解 如何“對癥下藥”[J];當(dāng)代金融家;2017年04期

6 曲寧;;我國銀行對房地產(chǎn)企業(yè)貸款風(fēng)險防范分析[J];大眾投資指南;2017年06期

7 馮然軍;石新宇;韓偉;;高校大學(xué)生參與網(wǎng)絡(luò)貸款受侵害成因調(diào)查研究[J];知識文庫;2017年12期

8 王瑾;;小額貸款公司發(fā)展中存在的問題及建議[J];今日財富;2017年11期

9 姜迪慶;;農(nóng)信社該怎樣對待“幫貸”[J];金融博覽;2006年12期

10 李剛軍;在與對申請貸款人信任有關(guān)問題上的非傳統(tǒng)觀點[J];管理科學(xué)文摘;1996年05期

相關(guān)博士學(xué)位論文 前2條

1 潘為;非金融機構(gòu)貸款人法律制度研究[D];吉林大學(xué);2012年

2 蔣先玲;項目融資模式及法律問題研究[D];對外經(jīng)濟貿(mào)易大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 張奧淞;基于邏輯回歸的P2P網(wǎng)絡(luò)借貸貸款評分測算研究[D];東北財經(jīng)大學(xué);2018年

2 李吉彬;某縣級村鎮(zhèn)銀行貸款業(yè)務(wù)管理系統(tǒng)的設(shè)計與實現(xiàn)[D];山東大學(xué);2018年

3 MATUGORN LIMPANADUSADEE;貸款人倫理對在線P2P借貸的貸款意向影響研究[D];華南理工大學(xué);2018年

4 程卓君;利差收窄趨勢下商業(yè)銀行經(jīng)營模式的轉(zhuǎn)型[D];浙江大學(xué);2018年

5 霍青;基于網(wǎng)絡(luò)增信的商業(yè)銀行與電商平臺合作研究[D];東北農(nóng)業(yè)大學(xué);2018年

6 伍菱佳;《定期貸款授信條款》翻譯報告[D];西南政法大學(xué);2017年

7 丁齊鑒;杭州市實施小微企業(yè)金融扶持政策問題研究[D];廣西師范大學(xué);2018年

8 林佩雯;X銀行微小貸款業(yè)務(wù)風(fēng)險管理研究[D];華南理工大學(xué);2017年

9 徐芃;以X公司為例的小額現(xiàn)金貸款平臺指標(biāo)控制研究[D];華中科技大學(xué);2019年

10 金偉;JT村鎮(zhèn)銀行貸款經(jīng)營困境研究[D];遼寧工程技術(shù)大學(xué);2018年

本文編號：2865946