隨著中國(guó)經(jīng)濟(jì)金融改革,傳統(tǒng)的借貸方法已無(wú)法滿足大量中小微型企業(yè)及個(gè)人的借貸需求。網(wǎng)絡(luò)借貸平臺(tái)的出現(xiàn),解決了中小微型企業(yè)及個(gè)人的快速融資需求。與國(guó)內(nèi)傳統(tǒng)的借貸項(xiàng)目相比,P2P網(wǎng)絡(luò)貸款存在對(duì)借款方要求低,速度快等不可忽視的優(yōu)點(diǎn)。但同時(shí),網(wǎng)絡(luò)貸款依托于互聯(lián)網(wǎng),存在數(shù)據(jù)量大、數(shù)據(jù)稀疏度高等問(wèn)題,因此P2P網(wǎng)絡(luò)貸款也存在較大的風(fēng)險(xiǎn),傳統(tǒng)的評(píng)級(jí)方法已經(jīng)不能夠得出準(zhǔn)確的風(fēng)險(xiǎn)分析結(jié)果,本文提出基于深度學(xué)習(xí)的模型對(duì)P2P網(wǎng)絡(luò)貸款數(shù)據(jù)進(jìn)行處理并有效提高風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確度。使用傳統(tǒng)的深度學(xué)習(xí)模型對(duì)P2P系統(tǒng)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)優(yōu)勢(shì)明顯,但P2P系統(tǒng)數(shù)據(jù)的不平衡性、用戶信息完整度差等問(wèn)題會(huì)導(dǎo)致深度網(wǎng)絡(luò)訓(xùn)練精確度低、魯棒性差、以及容易陷入局部最優(yōu)等問(wèn)題的出現(xiàn)。本文提出了使用卷積堆疊降噪自編碼器作為深度網(wǎng)絡(luò)的P2P網(wǎng)貸系統(tǒng)風(fēng)險(xiǎn)預(yù)測(cè)方法,使用深度學(xué)習(xí)網(wǎng)絡(luò)生成特征數(shù)據(jù)矩陣,再使用分類模型對(duì)數(shù)據(jù)進(jìn)行分類,實(shí)驗(yàn)證明該方法可有效提高風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率并解決數(shù)據(jù)稀疏的問(wèn)題,本文主要工作如下:本文使用來(lái)自P2P平臺(tái)的真實(shí)數(shù)據(jù),但該數(shù)據(jù)存在樣本不均衡的問(wèn)題。針對(duì)該問(wèn)題對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,使用SMOTE算法解決數(shù)據(jù)的類別不平衡問(wèn)題。并針對(duì)用戶數(shù)... 

【文章來(lái)源】：蘭州交通大學(xué)甘肅省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

線性可分支持向量機(jī)模型圖

圖 2.4 支持向量及超平面示意圖機(jī)的最優(yōu)化問(wèn)題可通過(guò)應(yīng)用拉格朗日對(duì)偶性，得到原始問(wèn)題朗日函數(shù)(Lagrange Function)，并引進(jìn)拉格朗日乘子(Lagra,...,N,拉格朗日函數(shù)定義如下：21 11( , , ) || || ( )2N Ni i i ii iL w b w y w x b T1 2( , ,..., )N 為拉格朗日乘子向量。由此支持向量機(jī)的最問(wèn)題：,max min ( , , )w bL w b 求 L ( w, b, )對(duì) w, b的極小值，再求 對(duì) 的極小值對(duì)求,min ( , , )w bL w b ，將拉格朗日函數(shù) 分別對(duì) 求偏

圖 2.5 非線性 SVM 示意圖數(shù)往往不好求解，因此常用的方法就是使用非線性轉(zhuǎn)換上圖的非線性問(wèn)題轉(zhuǎn)化為線性問(wèn)題后如圖 2.6 所示：圖 2.6 非線性 SVM 的非線性轉(zhuǎn)化示意圖

【參考文獻(xiàn)】：
期刊論文
[1]P2P網(wǎng)絡(luò)借貸平臺(tái)的風(fēng)險(xiǎn)管理——基于COSO-ERM（2016）框架的分析[J]. 張春輝.  財(cái)會(huì)通訊. 2019(02)
[2]關(guān)于改進(jìn)的激活函數(shù)TReLU的研究[J]. 張濤,楊劍,宋文愛,宋超峰.  小型微型計(jì)算機(jī)系統(tǒng). 2019(01)
[3]中國(guó)民營(yíng)企業(yè)融資困境及其應(yīng)對(duì)[J]. 沈坤榮,趙亮.  江海學(xué)刊. 2019(01)
[4]基于集成學(xué)習(xí)的中國(guó)P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)預(yù)警模型的對(duì)比研究[J]. 操瑋,李燦,賀婷婷,朱衛(wèi)東.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2018(10)
[5]基于機(jī)器學(xué)習(xí)的P2P網(wǎng)絡(luò)借貸違約風(fēng)險(xiǎn)預(yù)警研究——來(lái)自“拍拍貸”的借貸交易證據(jù)[J]. 涂艷,王翔宇.  統(tǒng)計(jì)與信息論壇. 2018(06)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[7]基于句法語(yǔ)義特征的中文實(shí)體關(guān)系抽取[J]. 甘麗新,萬(wàn)常選,劉德喜,鐘青,江騰蛟.  計(jì)算機(jī)研究與發(fā)展. 2016(02)
[8]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[9]一種限定性的雙層貝葉斯分類模型[J]. 石洪波,王志海,黃厚寬,勵(lì)曉健.  軟件學(xué)報(bào). 2004(02)

碩士論文
[1]基于模糊神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)絡(luò)貸款信用風(fēng)險(xiǎn)評(píng)估研究[D]. 王升云.湖南大學(xué) 2017
[2]我國(guó)P2P網(wǎng)絡(luò)信貸的發(fā)展與監(jiān)管研究[D]. 楊華.湖南大學(xué) 2013



本文編號(hào)：3393398