P2P(Peer to Peer),即個人對個人的網(wǎng)絡借貸,如今P2P平臺在我國發(fā)展的如火如荼,但借貸人違約率過高的問題也日益嚴重,給平臺和債權人造成很大損失。這種情況下,如何建立完善的風險預測系統(tǒng)是P2P平臺平穩(wěn)發(fā)展的決定性因素。但由于國內P2P行業(yè)起步較晚,較多公司在該方面比較薄弱。因此設計一個預測能力好,泛化能力強的模型來構建風險預測系統(tǒng),對借款者進行信用評價,然后進行借貸逾期預測,降低違約率,是P2P發(fā)展急需解決的問題。目前現(xiàn)有的平臺,如拍拍貸,陸金服都在增強自己的風險預測模型。為解決以上問題,本文構建了針對P2P借貸人的逾期風險預測模型,本文的主要工作包括:(1)提出了基于融合的風險預測模型的構建方法并闡述了理論基礎。(2)在P2P借貸平臺用戶數(shù)據(jù)集的基礎上,通過數(shù)據(jù)預處理與對SMOTE算法改進來進行數(shù)據(jù)優(yōu)化與類別不平衡問題的解決,將處理好的數(shù)據(jù)進行特征提取、特征構建與特征選取處理,構建最優(yōu)特征子集,為后續(xù)開展風險預測模型研究奠定基礎。(3)研究和比較了常用的風險預測模型,并根據(jù)P2P特征子集的特點進行模型的改進與調參,實驗結果證明由XGBoost、隨機森林與支持向量機構成風... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

技術路線圖

北京工業(yè)大學工程碩士專業(yè)學位論文輯回歸的原理是將線性回歸的結果值映射到 sigmoid 函數(shù)中，將 0來表示預測結果的概率[37]。假如 a 是一個二分類結果變量，a=0 表常還款，a=1 表示用戶逾期繳款，x={x1,x2,x3,…,xn}為 n 維特征,θ2,…,θn}是每個特征對應的參數(shù),可得線性回歸公式(2-1)：Tn nz x x x = x 后可得邏輯回歸公式(2-2)：1 1( )1+ 1Tzxh xe e 中 sigmoid 函數(shù)為公式(2-3)：1y =1xe igmoid 函數(shù)及函數(shù)導數(shù)的圖像如圖 2-1 所示：

第 2 章 基本理論與相關技術綜述邏輯回歸的魯棒性很好，受到數(shù)據(jù)中小噪聲的影響小，并且不會重共線性的特別影響�；貧w缺點：模型學習時容易欠擬合，分類精度相對較低。數(shù)據(jù)提取的特征有缺失或者特征空間很大時表現(xiàn)效果并不好。持向量機(支持向量機)，屬于有監(jiān)督學習算法的一種，即可用于分類，也質在于在特征空間尋求一個間隔最大的超平面[38]。算法的核心：當待分類數(shù)據(jù)集中的數(shù)據(jù)是線性可分的，只要將線 L 放在離兩遠的位置，如圖 2-2 所示，此時 x1=x2。尋找這個最大距離的過。

【參考文獻】：
期刊論文
[1]基于非均衡模糊近似支持向量機的P2P網(wǎng)貸借款人信用風險評估及應用[J]. 張衛(wèi)國,盧媛媛,劉勇軍.  系統(tǒng)工程理論與實踐. 2018(10)
[2]P2P網(wǎng)貸借款人違約風險評估——基于決策樹的研究[J]. 沈玉溪,徐浩.  經(jīng)營與管理. 2018(09)
[3]基于XGBoost算法的病例分型系統(tǒng)設計[J]. 俞高.  中國數(shù)字醫(yī)學. 2018(03)
[4]基于BP神經(jīng)網(wǎng)絡的P2P網(wǎng)貸借款人信用風險評估研究[J]. 李昕,戴一成.  武漢金融. 2018(02)
[5]P2P借貸中借款人的違約風險評估——基于“人人貸”數(shù)據(jù)的實證分析[J]. 阮素梅,何浩然,李敬明.  經(jīng)濟問題. 2017(12)
[6]Logistic回歸模型在P2P平臺風險評估中的應用[J]. 湯璇.  湖北經(jīng)濟學院學報(人文社會科學版). 2017(04)
[7]P2P網(wǎng)貸平臺借款人信用風險評估研究[J]. 霍江林,劉素榮.  金融發(fā)展研究. 2016(12)
[8]基于Logistic回歸模型的P2P網(wǎng)貸平臺新進借款人信用風險研究[J]. 董梁,胡明雅.  江蘇科技大學學報(社會科學版). 2016(03)
[9]基于BP神經(jīng)網(wǎng)絡的P2P網(wǎng)貸借款者的信用風險評估[J]. 李淑錦,呂靖強.  生產(chǎn)力研究. 2016(04)
[10]P2P網(wǎng)絡貸款信用的風險評估[J]. 傅彥銘,臧敦剛,戚名鈺.  統(tǒng)計與決策. 2014(21)

碩士論文
[1]隨機森林在P2P網(wǎng)貸借款信用風險評估中的應用[D]. 徐婷婷.山東大學 2017
[2]基于BP神經(jīng)網(wǎng)絡模型的中國P2P借款人信用風險評估研究[D]. 黃震.北京交通大學 2015
[3]基于粗糙集和神經(jīng)網(wǎng)絡的中小企業(yè)信用評估體系及模型的研究[D]. 李曉歡.內蒙古大學 2010



本文編號：2940931