P2P網(wǎng)絡借貸是一種較為新型的商業(yè)借貸模式,通過這樣的一個平臺,可以將社會上存在的小額閑散資金聚集起來,然后將這些資金借給那些有資金需求人群。通過互聯(lián)網(wǎng)的方式進行借貸,其致力的客戶群為傳統(tǒng)金融無法觸及的用戶。自從這種借貸模式上線以來,就極大的彌補了傳統(tǒng)借貸模式的不足,因此在全球范圍內(nèi)也取得了極大的認可。但是從長期來看,P2P網(wǎng)貸的發(fā)展一直處于摸索階段,并沒有能夠健康穩(wěn)定的發(fā)展下去。目前來看,大部分的P2P網(wǎng)貸公司的規(guī)模仍然較小,與之相對應的是,這些網(wǎng)貸公司對于風險的管控能力往往較為低效,應對突發(fā)事件的能力通常也較為低下。而在P2P網(wǎng)貸企業(yè)面對的這些風險中,最主要的風險就是個人信用風險。本文針對Lending Club交易數(shù)據(jù)對個人信用風險評估預測進行研究,通過對其數(shù)據(jù)進行貸款違約預測,可以幫助平臺解決信息不對稱的問題,為投資人提供一定的參考意見,同時為我國P2P信用風險評估體系提供一定的參考意見。雖然對于這個問題的評估方法很多,但是大多數(shù)還都是基于機器學習的方法進行評估預測。然而,這些傳統(tǒng)機器學習方法往往受主觀因素的影響較大,通過傳統(tǒng)機器學習對信用風險進行識別時,往往需要人工設計特征,... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

本文的技術路線圖

卷積神經(jīng)網(wǎng)絡結構

圖 4.1 P2P 網(wǎng)貸平臺成交量：網(wǎng)貸之家 P2P 借貸平臺數(shù)量來看，截至 2018 年 11 月底，P2P 在線借貸行業(yè)量達到了 6429 個。從 2017 年 1 月至 2018 年 11 月的網(wǎng)絡貸款行業(yè)

【參考文獻】：
期刊論文
[1]基于Lasso-Logistic模型的P2P網(wǎng)絡借貸信用風險度量[J]. 鄒明芮.  長春大學學報. 2018(03)
[2]基于L1懲罰Logit模型的P2P網(wǎng)絡借貸信用違約識別與預測[J]. 阮素梅,周澤林.  財貿(mào)研究. 2018(02)
[3]P2P網(wǎng)絡借貸風險管理研究——以“陸金所”為例[J]. 林常娥.  財會通訊. 2018(08)
[4]我國P2P網(wǎng)絡借貸市場的現(xiàn)狀分析和發(fā)展研究[J]. 任儒.  科技經(jīng)濟導刊. 2018(03)
[5]P2P網(wǎng)貸個人信用風險評估模型研究——基于混合果蠅神經(jīng)網(wǎng)絡的方法[J]. 吳斌,葉菁菁,董敏.  會計之友. 2017(21)
[6]基于結構方程模型的P2P網(wǎng)絡平臺借貸風險因素分析與評估模型設計[J]. 郭星娜.  時代金融. 2017(29)
[7]基于改進果蠅算法優(yōu)化SVM的個人信用風險評估[J]. 楊春霞,王妍,朱鵬渭.  金融理論與實踐. 2017(05)
[8]P2P網(wǎng)絡借貸的商業(yè)模式與前景——以陸金所和Lending Club為例[J]. 曾雪云,徐以荻,張能鯤.  財務與會計. 2017(06)
[9]基于復雜網(wǎng)絡和機器學習的P2P用戶違約預測[J]. 林國強,趙毅鳴,況青作,樊瑛.  北京師范大學學報(自然科學版). 2017(01)
[10]P2P網(wǎng)貸借款人違約行為影響因素的實證研究[J]. 蘇亞,成春林.  金融發(fā)展研究. 2017(01)

碩士論文
[1]基于Logistic模型的汽車金融公司個人貸款信用評分研究[D]. 李岸楊.西南大學 2017
[2]基于Logistic回歸的神經(jīng)網(wǎng)絡模型在個人信用評估中的應用[D]. 白金瑞.內(nèi)蒙古大學 2012



本文編號：3339997