隨著移動(dòng)互聯(lián)的快速發(fā)展,各行各業(yè)均依靠“互聯(lián)網(wǎng)+”的理念積極與其相融合迸發(fā)出新的創(chuàng)造力,其中互聯(lián)網(wǎng)金融主流發(fā)展模式之一的P2P網(wǎng)貸行業(yè)依靠互聯(lián)網(wǎng)金融的高效性與普惠性進(jìn)入了高速發(fā)展的階段。但由于P2P行業(yè)屬于新興行業(yè),從業(yè)門檻低,從業(yè)素質(zhì)稂莠不齊,由于信息不對(duì)稱導(dǎo)致無法有效評(píng)估借款人信用水平而產(chǎn)生的信用風(fēng)險(xiǎn)在平臺(tái)端快速聚集,久而久之P2P行業(yè)必然產(chǎn)生逆向選擇,即為了降低風(fēng)險(xiǎn)縮減業(yè)務(wù)量,導(dǎo)致P2P市場(chǎng)萎縮,互聯(lián)網(wǎng)金融發(fā)展停滯。基于此背景,本文以網(wǎng)貸違約用戶為研究對(duì)象,利用銀聯(lián)大數(shù)據(jù)商務(wù)平臺(tái)提供的有關(guān)借款人各方面特征的數(shù)據(jù)集,通過現(xiàn)代統(tǒng)計(jì)技術(shù)與數(shù)據(jù)挖掘技術(shù),對(duì)個(gè)人互聯(lián)網(wǎng)貸款信用評(píng)估問題進(jìn)行研究,本文研究主要分為四部分:第一,查閱文獻(xiàn)對(duì)互聯(lián)網(wǎng)金融這一概念進(jìn)行界定,從而引出本文所研究的P2P（Peer to Peer）網(wǎng)貸模式;第二,為了選取信用評(píng)估變量具有科學(xué)性以及扎實(shí)的理論基礎(chǔ),查閱信用評(píng)估相關(guān)文獻(xiàn),在前人研究的基礎(chǔ)上選取并改進(jìn)適用于互聯(lián)網(wǎng)金融的有效信用評(píng)估變量;第三,通過對(duì)XGBoost模型理論進(jìn)行梳理,構(gòu)建基于遺傳算法與XGBoost算法相結(jié)合的遺傳XGBoost信用評(píng)估模型;第四,與傳... 

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究意義
        1.2.1 實(shí)踐意義
        1.2.2 理論意義
    1.3 研究?jī)?nèi)容及思路
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究思路
    1.4 研究方法與創(chuàng)新及不足
第2章 相關(guān)概念界定及文獻(xiàn)綜述
    2.1 互聯(lián)網(wǎng)金融
    2.2 互聯(lián)網(wǎng)金融發(fā)展模式
        2.2.1 P2P網(wǎng)貸風(fēng)險(xiǎn)
        2.2.2 P2P網(wǎng)貸信用違約類型
    2.3 文獻(xiàn)綜述
        2.3.1 變量選取
        2.3.2 模型選取
        2.3.3 文獻(xiàn)綜述簡(jiǎn)評(píng)
第3章 個(gè)人網(wǎng)貸信用評(píng)估方法研究
    3.1 XGBoost
    3.2 邏輯回歸
    3.3 支持向量機(jī)(Support Vector Machine)
    3.4 遺傳算法
    3.5 模型評(píng)估指標(biāo)
        3.5.1 混淆矩陣
        3.5.2 ROC(Receiver Operating Characteristic)曲線
第4章 個(gè)人網(wǎng)貸信用評(píng)估的實(shí)證分析
    4.1 數(shù)據(jù)描述
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 缺失值處理
        4.2.2 異常值處理
        4.2.3 獨(dú)熱編碼(One-hot Encoding)
        4.2.4 標(biāo)準(zhǔn)化與過采樣(Over Sampling)
    4.3 特征(變量)衍生
    4.4 特征(變量)選取
        4.4.1 包裹式選取
        4.4.2 過濾式選取
    4.5 信用評(píng)估模型構(gòu)建
    4.6 XGBoost模型參數(shù)優(yōu)化
    4.7 模型的評(píng)估與分析
第5章 遺傳XGBoost模型與其他模型預(yù)測(cè)效果比較
    5.1 與邏輯分類模型比較
    5.2 與SVM分類模型比較
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)互聯(lián)網(wǎng)金融發(fā)展的問題與對(duì)策[J]. 王勵(lì)寧.  經(jīng)貿(mào)實(shí)踐. 2018(24)
[2]我國(guó)金融監(jiān)管框架改革的若干思考[J]. 孫杰.  中國(guó)集體經(jīng)濟(jì). 2018(36)
[3]我國(guó)小微企業(yè)通過互聯(lián)網(wǎng)融資的風(fēng)險(xiǎn)研究——以P2P網(wǎng)絡(luò)借貸平臺(tái)為例[J]. 安曌婧.  科技經(jīng)濟(jì)導(dǎo)刊. 2018(31)
[4]動(dòng)態(tài)異質(zhì)集成信用評(píng)分模型在P2P網(wǎng)絡(luò)借貸中的應(yīng)用[J]. 劉傳哲,馬達(dá)亮,夏雨霏.  金融發(fā)展研究. 2018(09)
[5]一種改進(jìn)過采樣算法在類別不平衡信用評(píng)分中的應(yīng)用[J]. 邵良杉,周玉.  計(jì)算機(jī)應(yīng)用研究. 2019(06)
[6]金融創(chuàng)新、金融科技與互聯(lián)網(wǎng)金融征信[J]. 劉桂榮.  征信. 2018(02)
[7]基于生存分析的P2P網(wǎng)絡(luò)借貸違約風(fēng)險(xiǎn)影響因素研究[J]. 李思瑤,王積田,柳立超.  經(jīng)濟(jì)體制改革. 2016(06)
[8]中美P2P網(wǎng)絡(luò)借貸平臺(tái)模式比較分析[J]. 王鐵山,康云鵬,潘昱璇.  西安郵電大學(xué)學(xué)報(bào). 2016(05)
[9]信用評(píng)分卡體系的發(fā)展及應(yīng)用[J]. 李延?xùn)|,鄭小娟.  青海金融. 2016(06)
[10]基于決策樹的P2P網(wǎng)貸信用風(fēng)險(xiǎn)評(píng)價(jià)[J]. 孫同陽,謝朝陽.  商業(yè)經(jīng)濟(jì)研究. 2015(02)

博士論文
[1]我國(guó)P2P網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)與監(jiān)管研究[D]. 劉繪.天津財(cái)經(jīng)大學(xué) 2015
[2]基于非平行超平面支持向量機(jī)的分類問題研究[D]. 王震.吉林大學(xué) 2014
[3]我國(guó)第三方支付發(fā)展研究[D]. 徐顯峰.西南財(cái)經(jīng)大學(xué) 2013

碩士論文
[1]信用評(píng)估在商業(yè)銀行信用卡風(fēng)險(xiǎn)管理中的應(yīng)用研究[D]. 孫珂.山東大學(xué) 2018
[2]信用評(píng)分卡的建立與應(yīng)用[D]. 楊靜.天津商業(yè)大學(xué) 2018
[3]P2P網(wǎng)貸平臺(tái)的借款人信用評(píng)估研究[D]. 朱文倩.北京交通大學(xué) 2017
[4]基于AUC的分類器性能評(píng)估問題研究[D]. 蔣帥.吉林大學(xué) 2016
[5]基于用戶互聯(lián)網(wǎng)行為數(shù)據(jù)的個(gè)人征信評(píng)估體系建設(shè)分析[D]. 王冠.北京交通大學(xué) 2015
[6]基于P2P網(wǎng)貸平臺(tái)特點(diǎn)的信用體系實(shí)證研究[D]. 段昊.北京郵電大學(xué) 2015



本文編號(hào)：3733072