近年來互聯(lián)網(wǎng)金融與大數(shù)據(jù)技術(shù)的發(fā)展使得傳統(tǒng)金融機(jī)構(gòu)的中介作用下降,互聯(lián)網(wǎng)金融理財(cái)觀念日漸深入人心,大眾逐漸把P2P網(wǎng)絡(luò)借貸作為金融消費(fèi)理財(cái)?shù)闹匾緩�。�?guó)內(nèi)P2P網(wǎng)貸行業(yè)因此迅速發(fā)展,但是在快速發(fā)展的背后伴隨的問題與風(fēng)險(xiǎn)也在逐步提高,2018年我國(guó)P2P網(wǎng)貸平臺(tái)出現(xiàn)集中爆雷潮,發(fā)生了大面積的客戶違約現(xiàn)象,高壞賬率導(dǎo)致大量平臺(tái)出現(xiàn)資金提現(xiàn)困難、倒閉等現(xiàn)象,因此如何準(zhǔn)確識(shí)別潛在違約客戶,降低信用違約風(fēng)險(xiǎn)變成迫在眉睫的問題,只有將借款客戶的信用違約問題處理好,才能夠更好的促進(jìn)我國(guó)P2P網(wǎng)絡(luò)貸款行業(yè)平穩(wěn)健康發(fā)展。本文旨在通過建立貸款違約預(yù)測(cè)模型,對(duì)P2P網(wǎng)貸平臺(tái)潛在違約客戶進(jìn)行準(zhǔn)確識(shí)別,以期能夠降低平臺(tái)經(jīng)營(yíng)風(fēng)險(xiǎn),優(yōu)化我國(guó)互聯(lián)網(wǎng)金融環(huán)境,降低互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)。針對(duì)目前我國(guó)P2P平臺(tái)風(fēng)險(xiǎn)量化研究較少,運(yùn)用機(jī)器學(xué)習(xí)算法較單一且缺乏運(yùn)用多模型融合策略的實(shí)際情況,本文利用Python爬取人人貸借貸數(shù)據(jù),借助Python、R等分析軟件,首先進(jìn)行了數(shù)據(jù)預(yù)處理和Cox生存分析等探索性統(tǒng)計(jì)分析,在對(duì)非平衡數(shù)據(jù)使用Border-line Smot算法處理后,通過IV信息價(jià)值與Gini指數(shù)相結(jié)合的特征篩選方法,構(gòu)建Lo...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外P2P網(wǎng)貸違約風(fēng)險(xiǎn)相關(guān)研究綜述
        1.2.1 國(guó)外相關(guān)研究綜述
        1.2.2 國(guó)內(nèi)相關(guān)研究綜述
    1.3 Stacking模型融合算法研究綜述
    1.4 論文主要內(nèi)容與技術(shù)路線
    1.5 論文創(chuàng)新點(diǎn)
    1.6 論文結(jié)構(gòu)
第2章 P2P網(wǎng)貸相關(guān)理論及發(fā)展現(xiàn)狀
    2.1 P2P網(wǎng)貸相關(guān)概念
        2.1.1 P2P網(wǎng)貸概述
        2.1.2 P2P網(wǎng)貸角色關(guān)系
        2.1.3 P2P網(wǎng)貸業(yè)務(wù)流程
    2.2 P2P網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)
    2.3 P2P網(wǎng)絡(luò)借貸發(fā)展現(xiàn)狀
        2.3.1 P2P平臺(tái)規(guī)模特征
        2.3.2 P2P平臺(tái)信用風(fēng)險(xiǎn)問題日益嚴(yán)重
    2.4 本章小節(jié)
第3章 機(jī)器學(xué)習(xí)分類算法理論
    3.1 機(jī)器學(xué)習(xí)概述
    3.2 機(jī)器學(xué)習(xí)分類算法
        3.2.1 單分類算法
        3.2.2 集成學(xué)習(xí)算法
    3.3 Stacking模型融合算法
    3.4 本章小節(jié)
第4章 模型數(shù)據(jù)獲取與預(yù)處理
    4.1 數(shù)據(jù)獲取
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 數(shù)據(jù)清洗
        4.2.2 數(shù)據(jù)缺失值處理
        4.2.3 數(shù)據(jù)離群點(diǎn)處理
        4.2.4 數(shù)據(jù)特征抽象
        4.2.5 數(shù)據(jù)特征縮放
    4.3 非平衡數(shù)據(jù)處理
    4.4 本章小節(jié)
第5章 貸款數(shù)據(jù)探索與統(tǒng)計(jì)分析
    5.1 貸款生存時(shí)間分析
    5.2 貸款違約影響因素分析
        5.2.1 貸款違約與借款特征關(guān)系分析
        5.2.2 貸款違約與借款人特征關(guān)系分析
        5.2.3 貸款違約與地理位置特征關(guān)系分析
    5.3 本章小節(jié)
第6章 基于Stacking算法的模型構(gòu)建與應(yīng)用
    6.1 特征工程
        6.1.1 特征衍生
        6.1.2 特征篩選
    6.2 模型構(gòu)建
        6.2.1 模型評(píng)價(jià)指標(biāo)
        6.2.2 模型的有效性評(píng)估方式
        6.2.3 模型優(yōu)化與比較
        6.2.4 穩(wěn)定性檢驗(yàn)
        6.2.5 構(gòu)建Stacking融合模型與結(jié)果分析
    6.3 模型應(yīng)用分析
        6.3.1 客戶區(qū)分能力檢驗(yàn)
        6.3.2 樣本外數(shù)據(jù)檢驗(yàn)
        6.3.3 不良客戶轉(zhuǎn)化
        6.3.4 模型應(yīng)用建議
    6.4 本章小節(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間取得學(xué)術(shù)成果



本文編號(hào)：3774314