隨著國民消費(fèi)觀念的轉(zhuǎn)變和互聯(lián)網(wǎng)金融技術(shù)的進(jìn)步,互聯(lián)網(wǎng)小額貸款行業(yè)得到了快速發(fā)展。提供網(wǎng)絡(luò)小貸的公司數(shù)量、客戶規(guī)模和貸款額度都出現(xiàn)了顯著增長。然而,在行業(yè)不斷向前發(fā)展的同時,逾期未償還金額也在大幅度提高。為了保證行業(yè)健康、穩(wěn)定和持續(xù)的發(fā)展,提高信貸的風(fēng)險管理水平成為互聯(lián)網(wǎng)小額信用貸款的核心內(nèi)容�；谝陨媳尘�,本文以LendingClub的借貸數(shù)據(jù)為研究對象,基于XGBoost算法從實踐的角度建立貸后風(fēng)險評級模型,對影響客戶違約概率的風(fēng)險因素進(jìn)行研究和分析。首先,基于業(yè)務(wù)知識,本文對國內(nèi)互聯(lián)網(wǎng)小額貸款的發(fā)展歷程和現(xiàn)狀進(jìn)行了分析,包括小額貸款方式的變更和國內(nèi)對于互聯(lián)網(wǎng)小額貸款的監(jiān)管政策,并通過分析指出構(gòu)建合理、高效的信用風(fēng)險評估模型的重要性。其次,本文基于機(jī)器學(xué)習(xí)中的XGBoost算法,構(gòu)建一種貸后風(fēng)險評級模型。使用泰勒函數(shù)二階展開來近似損失函數(shù),以提高模型訓(xùn)練的計算速度;采用L2正則化來減小模型復(fù)雜度;使用貪心算法來衡量分裂條件和樹的后剪枝;采用稀疏感知算法自動學(xué)習(xí)缺失數(shù)據(jù)的分裂方向,有效地保持了數(shù)據(jù)的分布特征;使用分布式加權(quán)直方圖算法尋找分裂節(jié)點(diǎn)。然后,針對貸后風(fēng)險模型的開發(fā)流程,本文以... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 本文主要研究內(nèi)容
2 貸后風(fēng)險評級模型開發(fā)流程
    2.1 引言
    2.2 業(yè)務(wù)定義
    2.3 數(shù)據(jù)收集與數(shù)據(jù)清洗
    2.4 變量篩選
    2.5 模型檢驗
    2.6 本章小結(jié)
3 貸后風(fēng)險評級模型
    3.1 引言
    3.2 XGBoost模型
        3.2.1 模型的建立
        3.2.2 模型的訓(xùn)練
    3.3 模型的評估
        3.3.1 準(zhǔn)確率、精確率和F1
        3.3.2 kappa系數(shù)
        3.3.3 ROC曲線
    3.4 本章小結(jié)
4 實驗與結(jié)果分析
    4.1 引言
    4.2 建立樣本數(shù)據(jù)及預(yù)處理
        4.2.1 業(yè)務(wù)定義與數(shù)據(jù)收集
        4.2.2 變量解釋
        4.2.3 缺失值、異常值處理
        4.2.4 不平衡樣本的處理
    4.3 特征變量篩選
        4.3.1 特征相關(guān)性研究
        4.3.2 特征重要性研究
    4.4 實驗結(jié)果分析
        4.4.1 參數(shù)設(shè)置
        4.4.2 訓(xùn)練結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄A
致謝


【參考文獻(xiàn)】：
期刊論文
[1]銀監(jiān)會印發(fā)《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動信息披露指引的通知》[J]. 本刊編輯部.  金融科技時代. 2017(09)
[2]金融科技的未來與責(zé)任[J]. 王廣宇,何俊妮.  南方金融. 2017(03)
[3]小額貸款公司運(yùn)營現(xiàn)狀及問題[J]. 徐瑜青,楊露靜,周吉帥.  農(nóng)村經(jīng)濟(jì). 2010(01)
[4]基于神經(jīng)網(wǎng)絡(luò)和決策樹相結(jié)合的信用風(fēng)險評估模型研究[J]. 趙靜嫻,杜子平.  北京理工大學(xué)學(xué)報(社會科學(xué)版). 2009(01)
[5]智能性交易欺詐風(fēng)險評分模型的開發(fā)與應(yīng)用[J]. 陳建.  中國信用卡. 2006(06)
[6]Logit模型在商業(yè)銀行信用風(fēng)險評估中的應(yīng)用研究[J]. 李萌.  管理科學(xué). 2005(02)
[7]模式識別中基于Boosting的特征篩選[J]. 張國英,沙蕓,劉玉樹.  北京理工大學(xué)學(xué)報. 2004(07)
[8]基于分類回歸樹（CART）方法的統(tǒng)計解析模型的應(yīng)用與研究[J]. 張立彬,張其前,胥芳,杜獎勝.  浙江工業(yè)大學(xué)學(xué)報. 2002(04)
[9]典型判別分析在企業(yè)信用風(fēng)險評估中的應(yīng)用[J]. 施錫銓,鄒新月.  財經(jīng)研究. 2001(10)
[10]信用風(fēng)險評估方法發(fā)展趨勢[J]. 張玲,張佳林.  預(yù)測. 2000(04)

碩士論文
[1]商業(yè)銀行信用卡違約概率評估的實證研究[D]. 盛潔.廈門大學(xué) 2014
[2]基于數(shù)據(jù)挖掘技術(shù)的信用卡申請評分模型研究[D]. 陳浩.湖南大學(xué) 2007



本文編號：3076102