發(fā)布時(shí)間：2021-09-03 07:05

　　近年來(lái),P2P貸款行業(yè)高速發(fā)展,已成為我國(guó)重要的金融產(chǎn)業(yè)之一,為我國(guó)經(jīng)濟(jì)發(fā)展帶來(lái)了諸多的機(jī)遇。P2P貸款在為個(gè)人融資帶來(lái)便利的同時(shí),也存在貸款違約率高的問(wèn)題,阻礙了P2P貸款行業(yè)的正常發(fā)展。P2P貸款信用風(fēng)險(xiǎn)評(píng)價(jià)研究也成為企業(yè)與學(xué)者們關(guān)注的重點(diǎn)。隨著人工智能浪潮的來(lái)襲,基于機(jī)器學(xué)習(xí)的P2P貸款信用風(fēng)險(xiǎn)評(píng)價(jià)方法以精準(zhǔn)的預(yù)測(cè)精度受到了P2P貸款平臺(tái)和學(xué)者們的青睞,但現(xiàn)有研究仍存在不足。一方面,以貸款違約率最小化或預(yù)測(cè)準(zhǔn)確率最大化為目標(biāo)的機(jī)器學(xué)習(xí)方法,無(wú)法保證投資者在P2P貸款投資過(guò)程中收益的最大化;另一方面,與邏輯回歸和評(píng)分卡等傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)方法相比,基于機(jī)器學(xué)習(xí)的P2P貸款信用風(fēng)險(xiǎn)評(píng)價(jià)方法缺乏可解釋性,預(yù)測(cè)結(jié)果無(wú)法被投資者與P2P貸款平臺(tái)完全信任。針對(duì)上述問(wèn)題,本文進(jìn)行了以下兩方面研究。（1）針對(duì)機(jī)器學(xué)習(xí)方法無(wú)法保證P2P貸款投資者收益最大化的局限,本文采用遺傳算法對(duì)P2P貸款信用風(fēng)險(xiǎn)評(píng)價(jià)中表現(xiàn)較好的隨機(jī)森林模型進(jìn)行了改進(jìn)（GA-RF）,提出了以投資者收益函數(shù)（Profit score）為目標(biāo)的基于GA-RF的信用風(fēng)險(xiǎn)評(píng)價(jià)方法。本文首先從投資者實(shí)際收益與實(shí)際損失和潛在收益與潛在損失四個(gè)... 

【文章來(lái)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(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與問(wèn)題提出
    1.2 研究意義
    1.3 技術(shù)路線(xiàn)與主要研究?jī)?nèi)容
2 相關(guān)文獻(xiàn)綜述
    2.1 P2P貸款信用風(fēng)險(xiǎn)評(píng)價(jià)方法研究現(xiàn)狀
        2.1.1 傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)方法研究
        2.1.2 基于機(jī)器學(xué)習(xí)的信用風(fēng)險(xiǎn)評(píng)價(jià)方法研究
    2.2 隨機(jī)森林改進(jìn)研究現(xiàn)狀
    2.3 機(jī)器學(xué)習(xí)模型可解釋性研究現(xiàn)狀
        2.3.1 分解式方法
        2.3.2 教學(xué)式方法
3 以投資者收益評(píng)價(jià)函數(shù)為目標(biāo)的基于GA-RF的信用風(fēng)險(xiǎn)評(píng)價(jià)方法
    3.1 投資者收益評(píng)價(jià)函數(shù)Profit score
    3.2 方法框架
    3.3 基于遺傳算法的隨機(jī)森林優(yōu)化
        3.3.1 問(wèn)題描述
        3.3.2 遺傳算法
    3.4 實(shí)驗(yàn)與分析
        3.4.1 數(shù)據(jù)集與特征選擇
        3.4.2 模型評(píng)價(jià)準(zhǔn)則
        3.4.3 隨機(jī)森林參數(shù)優(yōu)化
        3.4.4 實(shí)驗(yàn)設(shè)置
        3.4.5 實(shí)驗(yàn)結(jié)果分析
        3.4.6 討論與建議
4 一種面向可解釋信用風(fēng)險(xiǎn)評(píng)價(jià)的改進(jìn)教學(xué)式方法
    4.1 改進(jìn)教學(xué)式方法框架
    4.2 基于Weight-SMOTE的偽數(shù)據(jù)集抽樣方法
    4.3 教學(xué)式方法評(píng)價(jià)指標(biāo)
    4.4 實(shí)驗(yàn)與分析
        4.4.1 模型評(píng)價(jià)準(zhǔn)則
        4.4.2 實(shí)驗(yàn)設(shè)置
        4.4.3 實(shí)驗(yàn)結(jié)果與討論
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
攻讀碩士期間參與項(xiàng)目情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)隨機(jī)森林的集成分類(lèi)方法預(yù)測(cè)結(jié)直腸癌存活性[J]. 王宇燕,王杜娟,王延章,Yaochu Jin.  管理科學(xué). 2017(01)
[2]參數(shù)優(yōu)化隨機(jī)森林算法的土地覆蓋分類(lèi)[J]. 周天寧,明冬萍,趙睿.  測(cè)繪科學(xué). 2017(02)
[3]基于決策樹(shù)的神經(jīng)網(wǎng)絡(luò)規(guī)則抽取方法[J]. 侯廣坤,張勁峰.  中山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2000(04)

碩士論文
[1]基于P2P網(wǎng)絡(luò)借貸的個(gè)人信用風(fēng)險(xiǎn)評(píng)估[D]. 彭康.暨南大學(xué) 2018
[2]P2P網(wǎng)絡(luò)借貸的信用評(píng)分研究[D]. 李燕偉.哈爾濱工業(yè)大學(xué) 2018
[3]基于隨機(jī)森林的P2P網(wǎng)貸借款人信用風(fēng)險(xiǎn)評(píng)估研究[D]. 田桂英.湖南大學(xué) 2018
[4]基于加權(quán)決策樹(shù)的隨機(jī)森林模型優(yōu)化[D]. 馬曉東.華中師范大學(xué) 2017
[5]隨機(jī)森林在P2P網(wǎng)貸借款信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[D]. 徐婷婷.山東大學(xué) 2017
[6]信用卡申請(qǐng)的自動(dòng)化審核管理方案及應(yīng)用研究[D]. 吳曉旭.上海交通大學(xué) 2013



本文編號(hào)：3380652