近年來,互聯(lián)網(wǎng)金融的興起加快了整個金融市場的資金流動,各種新經(jīng)濟業(yè)態(tài)快速衍生,國內(nèi)P2P行業(yè)的發(fā)展尤其迅速,P2P平臺的數(shù)量每日都在增長,但伴隨的問題與風險也逐步在提高,各種問題如攜款跑路、資金提現(xiàn)困難、停業(yè)等層出不窮。投資者在進行投資時也面臨了很大的風險,如何在投資時從各類P2P平臺中識別出風險較高的平臺,是政府以及投資者均面臨的一大難題。本文旨在對P2P平臺的風險進行識別,以便各投資者在投資決策過程中更加謹慎。本文主要通過模型比較找到一種分類性能最優(yōu)的算法篩選出對P2P平臺風險影響較大的最優(yōu)指標組合,然后利用所選變量進行因子分析,計算出因子綜合得分,利用綜合得分對所選取的627家P2P平臺進行評價排序,最終利用排名前后各50家P2P平臺得分驗證所建立的P2P平臺風險評價體系的風險預測能力。在分析過程中本文主要借助R軟件進行相關(guān)過程的分析,首先利用SVM算法、Boosting算法、隨機森林算法、Bagging算法、CART算法、K近鄰算法、二次判別分析模型共7種統(tǒng)計模型進行分類性能比較,通過10折交叉驗證法劃分訓練集和測試集,分別計算7種模型的分類正確率,最終選擇分類性能最優(yōu)的隨機森... 

【文章來源】：成都理工大學四川省

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 文獻綜述
        1.2.1 國外研究綜述
        1.2.2 國內(nèi)研究綜述
    1.3 研究方法與論文結(jié)構(gòu)
        1.3.1 研究方法
        1.3.2 論文結(jié)構(gòu)
    1.4 創(chuàng)新點、難點與不足
        1.4.1 創(chuàng)新之處
        1.4.2 難點
        1.4.3 不足之處
第2章 統(tǒng)計模型介紹
    2.1 二次判別分析模型
    2.2 樹類模型
        2.2.1 分類回歸樹算法（CART）
        2.2.2 裝袋法（Bagging）
        2.2.3 提升法（Boosting）
        2.2.4 隨機森林（Random Forest）
    2.3 支持向量機（SVM）
    2.4 K最近鄰分類算法（KNN）
第3章 樣本及變量選取
    3.1 數(shù)據(jù)及樣本獲取
        3.1.1 數(shù)據(jù)獲取路徑說明
        3.1.2 樣本初步選取
    3.2 變量的選取
        3.2.1 P2P網(wǎng)貸平臺基本信息
        3.2.2 P2P網(wǎng)貸平臺交易信息
        3.2.3 P2P網(wǎng)貸平臺外部信息
第4章 數(shù)據(jù)處理及基本分析
    4.1 數(shù)據(jù)獲取
        4.1.1 交易信息數(shù)據(jù)處理
        4.1.2 外部信息數(shù)據(jù)處理
    4.2 數(shù)據(jù)預處理
        4.2.1 缺失值處理
        4.2.2 異常值處理
        4.2.3 數(shù)據(jù)標準化處理
    4.3 描述性統(tǒng)計分析
第5章 P2P平臺風險識別實證分析
    5.1 統(tǒng)計模型預測結(jié)果的比較分析
        5.1.1 平衡樣本
        5.1.2 訓練集與測試集劃分
        5.1.3 分類模型混淆矩陣評價
        5.1.4 分類模型其他評價方法
        5.1.5 分類模型比較結(jié)果
    5.2 P2P平臺風險識別指標篩選
        5.2.1 特征選擇的基本原理
        5.2.2 基于AUC-RF的指標篩選
        5.2.3 隨機森林分類誤差分析
        5.2.4 變量重要性分析
    5.3 P2P網(wǎng)貸平臺風險特征分析
第6章 P2P平臺風險綜合評價
    6.1 P2P網(wǎng)貸平臺風險綜合評價
        6.1.1 構(gòu)建P2P平臺風險綜合評價指標體系
        6.1.2 因子分析
    6.2 P2P平臺風險綜合評價結(jié)果分析
結(jié)論
致謝
參考文獻
攻讀學位期間取得學術(shù)成果


【參考文獻】：
期刊論文
[1]基于隨機森林模型的中國居民出境旅游影響因素重要性研究[J]. 張麗峰.  資源開發(fā)與市場. 2017(06)
[2]對P2P網(wǎng)貸風險及相關(guān)輿情風險的研究——基于大數(shù)據(jù)就網(wǎng)民相應情緒所做的分析[J]. 丁曉蔚,高淑萍.  當代傳播. 2017(02)
[3]新經(jīng)濟業(yè)態(tài)P2P網(wǎng)絡借貸的風險甄別研究[J]. 范超,王磊,解明明.  統(tǒng)計研究. 2017(02)
[4]基于AHP的P2P網(wǎng)貸平臺風險實證分析[J]. 蔡友莉.  現(xiàn)代商貿(mào)工業(yè). 2017(04)
[5]機器學習算法在P2P網(wǎng)貸平臺風險評級中的應用[J]. 張蜀林,李萌萌.  時代金融. 2017(03)
[6]從P2P網(wǎng)貸輿情風險看媒體輿論引導作用[J]. 丁曉蔚.  中國出版. 2016(24)
[7]我國P2P網(wǎng)貸平臺風險評估實證研究[J]. 單鵬,楊佳琳,鄧穎璐.  中國物價. 2016(11)
[8]基于互聯(lián)網(wǎng)金融的P2P網(wǎng)貸市場SWOT分析[J]. 梁瑩瑩.  對外經(jīng)貿(mào). 2016(10)
[9]基于改進四分圖模型的P2P網(wǎng)貸平臺競爭力診斷研究[J]. 許楠,曹齊芳.  金融發(fā)展研究. 2016(10)
[10]P2P網(wǎng)貸平臺與投資人之間信息不對稱問題的研究[J]. 王麗.  物流工程與管理. 2016(10)

碩士論文
[1]p2p借款人信用風險研究[D]. 陳麗.華東政法大學 2016
[2]互聯(lián)網(wǎng)金融的風險識別及控制研究[D]. 張慧.山東大學 2015
[3]P2P平臺風險評價及控制研究[D]. 唐嘉悅.青島理工大學 2015
[4]中國P2P網(wǎng)絡借貸信用風險研究[D]. 馮澤敏.遼寧大學 2015
[5]P2P網(wǎng)絡借貸市場的融資成本與融資可獲得性研究[D]. 郭弈.西南財經(jīng)大學 2011



本文編號：3162921