【摘要】：P2P網(wǎng)絡(luò)借貸模式自誕生以來(lái)備受金融界的歡迎,在近年更是發(fā)展得如火如荼。由于其門檻低、利率高、方便快捷等特點(diǎn),給借貸雙方都帶來(lái)一定好處,尤其是對(duì)那些不滿足傳統(tǒng)金融機(jī)構(gòu)借貸條件的人與中小企業(yè)來(lái)說(shuō),解決了以往融資難的問(wèn)題。對(duì)我國(guó)普惠金融政策的實(shí)施與金融市場(chǎng)的完善也起了一定的推動(dòng)作用。然而,隨著P2P網(wǎng)貸的發(fā)展,一些弊端也逐漸顯露出來(lái)。一方面,正因P2P平臺(tái)門檻低,利率高,極易增加借款人的違約風(fēng)險(xiǎn);另一方面,很多需要借款人填報(bào)的信用指標(biāo)形同虛設(shè),致使平臺(tái)借款人信用數(shù)據(jù)包含大量缺值,這對(duì)后期的信用評(píng)估造成了影響,致使對(duì)借款人信用評(píng)估的準(zhǔn)確率降低。由此,面向缺值數(shù)據(jù),建立穩(wěn)定而有效的P2P信用評(píng)估模型尤其重要,也是P2P網(wǎng)貸平臺(tái)正常運(yùn)轉(zhuǎn)的基本前提。近年來(lái),許多學(xué)者對(duì)P2P信用評(píng)估模型進(jìn)行了大量研究,并取得了一定成效。然而,在已有工作中,對(duì)于缺值情況下信用評(píng)估模型的研究相對(duì)較少。因此,面向缺值數(shù)據(jù),本文利用可以將先驗(yàn)知識(shí)與數(shù)據(jù)信息相結(jié)合、在消除不確定性方面具有獨(dú)特優(yōu)勢(shì)的貝葉斯網(wǎng)絡(luò)對(duì)P2P網(wǎng)絡(luò)借貸的信用評(píng)估模型進(jìn)行研究。所做工作具體包括以下三方面:1.提出面向缺值數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的PQISEM算法(Structure Learning of Bayesian network based on partial qualitative influences and StructureExpectation Maximization algorithm)。將具有良好可信度和魯棒性且容易得到的定性影響知識(shí)引入貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法過(guò)程中,對(duì)在缺值情況下的參數(shù)及結(jié)構(gòu)進(jìn)行約束,使貝葉斯網(wǎng)絡(luò)參數(shù)與結(jié)構(gòu)更靠近真實(shí)網(wǎng)絡(luò)。該算法在BIC評(píng)分、KL散度、運(yùn)行時(shí)間等方面比其他算法更佳。2.數(shù)據(jù)預(yù)處理和基于PQISEM算法的P2P信用評(píng)估貝葉斯網(wǎng)絡(luò)CEBN(Credit Evaluation Bayesian network)模型構(gòu)建。首先,對(duì)P2P平臺(tái)借款人數(shù)據(jù)做預(yù)處理,其中包括將連續(xù)變量利用ChiMerge算法進(jìn)行合理離散化。然后將處理完的數(shù)據(jù)利用PQISEM算法進(jìn)行P2P平臺(tái)CEBN模型的結(jié)構(gòu)與參數(shù)的學(xué)習(xí),不僅提高了數(shù)據(jù)的使用率,也提高了模型的精度。3.基于P2P平臺(tái)的CEBN模型進(jìn)行推理預(yù)測(cè)。利用貝葉斯網(wǎng)絡(luò)推理的原理,對(duì)借款人的還款狀態(tài)進(jìn)行推斷預(yù)測(cè),得出信用評(píng)估結(jié)果。實(shí)驗(yàn)表明其評(píng)估結(jié)果不僅在準(zhǔn)確率上高于其他貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法,而且在準(zhǔn)確率、精度、F值等評(píng)估指標(biāo)上也高于樸素貝葉斯、C4.5、SVM、Adaboost等其他分類算法。從而驗(yàn)證該CEBN模型的良好性能。
【圖文】：

斯網(wǎng)絡(luò)概述網(wǎng)絡(luò)是概率論與圖論相結(jié)合的產(chǎn)物，可形式化表示成 BN= ( )表示其結(jié)構(gòu)，是一個(gè)有向無(wú)環(huán)圖（Directed Acyclic Graphica示網(wǎng)絡(luò)節(jié)點(diǎn)變量的集合，每個(gè)節(jié)點(diǎn)都表示一個(gè)隨機(jī)變量； 表示合，反映連邊節(jié)點(diǎn)變量間的相互依賴關(guān)系。而 表示節(jié)點(diǎn)變量各表的集合，反映父子節(jié)點(diǎn)變量間的依賴程度。助 R 語(yǔ)言 bnlearn 包中的 Cancer 網(wǎng)絡(luò)圖來(lái)進(jìn)行說(shuō)明介紹。如圖絡(luò)有 5 個(gè)節(jié)點(diǎn)，4 條邊。即 = ， = ， 為圖 2.2 中的五個(gè)參數(shù)分點(diǎn)及其父節(jié)點(diǎn)間的條件概率分布。比如從該網(wǎng)絡(luò)的參數(shù)表中可得前提下，感到呼吸困難的概率即P( = = )為 0.9。

源：本圖來(lái)源于 R 語(yǔ)言中處理貝葉斯網(wǎng)絡(luò)的 bnlearn 包圖 2.3 貝葉斯網(wǎng)絡(luò)數(shù)據(jù)處理圖習(xí)解決的是在已知網(wǎng)絡(luò)結(jié)構(gòu)的前提下，如何確定參數(shù)學(xué)習(xí)又稱參數(shù)估計(jì)，包括最大似然估計(jì)與貝葉參數(shù)學(xué)習(xí)則通常采用近似算法，包括 EM 算法、ussian 逼近等。的目標(biāo)是尋求先驗(yàn)知識(shí)與數(shù)據(jù)擬合最佳的網(wǎng)絡(luò)結(jié)定網(wǎng)絡(luò)參數(shù)，，即包含參數(shù)學(xué)習(xí)，是貝葉斯網(wǎng)絡(luò)學(xué)和缺值數(shù)據(jù)集兩種情況。況下的結(jié)構(gòu)學(xué)習(xí)算法，包括基于評(píng)分搜索的方法兩種方法進(jìn)行結(jié)合的混合學(xué)習(xí)方法三種。
【學(xué)位授予單位】：山西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F224;F832.4;F724.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁璨;朱麗軍;;征信及信用評(píng)估中的道德問(wèn)題研究[J];金融理論探索;2016年06期

2 陳羿擎;沈霄瑜;;新型信用評(píng)估系統(tǒng)假設(shè)及其與現(xiàn)有信用評(píng)估系統(tǒng)比較分析[J];中國(guó)管理信息化;2016年03期

3 賈璐;王晨;;大數(shù)據(jù)打響小微金融“攻堅(jiān)戰(zhàn)”[J];金融世界;2017年08期

4 李俊麗;;基于層次分析法的農(nóng)戶信用評(píng)估[J];商業(yè)研究;2009年10期

5 勞洛克;張世明;劉亞叢;;信用評(píng)估機(jī)構(gòu)的規(guī)制與責(zé)任[J];經(jīng)濟(jì)法論叢;2009年01期

6 杜云峰;王璐;;對(duì)于構(gòu)建政府采購(gòu)信用評(píng)估體系的初步探索[J];中國(guó)政府采購(gòu);2008年09期

7 王剛;陳玲;;完善納稅信用評(píng)估:我國(guó)稅收征管走向主動(dòng)的現(xiàn)實(shí)選擇[J];福建農(nóng)林大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2007年03期

8 付源;;信用評(píng)估風(fēng)險(xiǎn)的組成要素研究[J];中國(guó)管理信息化(綜合版);2005年07期

9 鞠榮華,任者春;信用評(píng)估機(jī)構(gòu)的基本經(jīng)營(yíng)戰(zhàn)略:規(guī)模經(jīng)濟(jì)與范圍經(jīng)濟(jì)[J];山東大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2005年03期

10 馮s

本文編號(hào)：2590055