個(gè)人信用評(píng)估是P2P網(wǎng)貸行業(yè)風(fēng)險(xiǎn)控制的核心。然而針對(duì)P2P網(wǎng)貸行業(yè)中個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型的應(yīng)用研究十分缺乏,因此對(duì)存在諸多亂象的國(guó)內(nèi)P2P網(wǎng)貸行業(yè)的研究顯得尤為緊迫。首先利用支持向量機(jī)建立了個(gè)人信用評(píng)估模型,并引入遺傳算法對(duì)模型進(jìn)行參數(shù)優(yōu)化,然后針對(duì)兩個(gè)P2P網(wǎng)貸平臺(tái)的樣本做了有效性分析和推廣性分析,并根據(jù)實(shí)證結(jié)果探討了刷信用行為存在的潛在風(fēng)險(xiǎn)。實(shí)證結(jié)果顯示,GA-SVM模型能夠有效解決P2P網(wǎng)貸平臺(tái)的個(gè)人信用評(píng)估問(wèn)題,并具有良好的穩(wěn)健性和推廣性。 

【文章來(lái)源】：控制工程. 2020,27(06)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

樣本信用得分分布圖

目標(biāo)平臺(tái)預(yù)測(cè)樣本逾期次數(shù)分布圖

利用人人貸上的樣本數(shù)據(jù)建立預(yù)測(cè)模型對(duì)目標(biāo)平臺(tái)上的風(fēng)險(xiǎn)樣本進(jìn)行識(shí)別，必須保證訓(xùn)練集樣本和預(yù)測(cè)集樣本包含相同的特征變量，而特征變量的增減又會(huì)影響到模型參數(shù)的選取。故首先要做的是將目標(biāo)平臺(tái)樣本中沒(méi)有的特征變量從人人貸平臺(tái)樣本的特征變量中剔除，使單個(gè)樣本中所包含的特征變量統(tǒng)一為相同的14個(gè)，并利用人人貸上的樣本數(shù)據(jù)重新訓(xùn)練模型，進(jìn)行參數(shù)尋優(yōu)，再對(duì)目標(biāo)平臺(tái)上的風(fēng)險(xiǎn)樣本進(jìn)行識(shí)別。運(yùn)算結(jié)果，如圖3所示。通過(guò)參數(shù)優(yōu)化運(yùn)算后得到參數(shù)C的最優(yōu)值為93.66，參數(shù)g的最優(yōu)值為0.42，交叉驗(yàn)證正確率為97.09%。

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法的飛機(jī)一體化排班優(yōu)化方法[J]. 李耀華,譚娜.  控制工程. 2017(02)
[2]基于支持向量機(jī)的分類辨識(shí)方法及應(yīng)用[J]. 馬相東,盧占慶,譚永彥,王秀英.  控制工程. 2016(05)
[3]基于改進(jìn)的SVM學(xué)習(xí)算法及其在信用評(píng)分中的應(yīng)用[J]. 陸愛國(guó),王玨,劉紅衛(wèi).  系統(tǒng)工程理論與實(shí)踐. 2012(03)
[4]信用評(píng)估中的魯棒賦權(quán)自適應(yīng)Lp最小二乘支持向量機(jī)方法[J]. 劉京禮,李建平,徐偉宣,石勇.  中國(guó)管理科學(xué). 2010(05)



本文編號(hào)：3294393