隨著金融科技快速發(fā)展,互聯(lián)網(wǎng)貸款在滿足小微金融需求方面日益重要,2020年5月9日,銀保監(jiān)會發(fā)布《商業(yè)銀行互聯(lián)網(wǎng)貸款管理辦法》（征求意見稿）,借款者信用風險備受關注。如何在移動互聯(lián)網(wǎng)背景下,有效評估借款者個人信用風險具有較大挑戰(zhàn)。從個人信用風險的"評價框架、評價要素和評價模型"三個方面,結合互聯(lián)網(wǎng)大數(shù)據(jù)的技術特征,進行了系統(tǒng)研究,為互聯(lián)網(wǎng)貸款的個人信用風險評價提供理論和實務建議。 

【文章來源】：科技與金融. 2020,(07)

【文章頁數(shù)】：6 頁

【部分圖文】：

互聯(lián)網(wǎng)個人信用風險評價的邏輯框架

(2)網(wǎng)絡訓練。卷積神經(jīng)網(wǎng)絡可以通過殘差的反向傳播對網(wǎng)絡中的參數(shù)進行訓練。但是，網(wǎng)絡訓練中的過擬合以及梯度的消逝與爆炸等問題極大影響了訓練的收斂性能，針對這些網(wǎng)絡訓練的問題，一些有效的改善方法被提出，包括：Krizhevsky et[1 6]al.(2012)提出的基于高斯分布的隨機初始化網(wǎng)絡[17]參數(shù)，He et al.(2015)對卷積神經(jīng)網(wǎng)絡不同層的參數(shù)進行相互獨立同分布的初始化。根據(jù)近期的研究趨勢，卷積神經(jīng)網(wǎng)絡模型規(guī)模正在迅速增大，而更加復雜的網(wǎng)絡模型也對相應的訓練策略提出了更高的要求。(3)網(wǎng)絡的預測。卷積神經(jīng)網(wǎng)絡的預測過程就是通過對輸入數(shù)據(jù)進行前向傳導，在各個層次上輸出特征圖，最后利用全連接網(wǎng)絡輸出基于輸入數(shù)據(jù)的條件概率分布的過程。Donahue et al.(2013)[1 8]的研究表明，經(jīng)過前向傳導的卷積神經(jīng)網(wǎng)絡高層特征具有很強的判別能力和泛化性能，而且，通過遷移學習，這些特征可以被應用到更加廣泛的領域。這一研究成果對于擴展卷積神經(jīng)網(wǎng)絡的應用領域具有重要的意義。

【參考文獻】：
期刊論文
[1]基于改進的隨機森林模型的個人信用風險評估研究[J]. 周永圣,崔佳麗,周琳云,孫紅霞,劉淑芹.  征信. 2020(01)
[2]關于P2P網(wǎng)絡貸款信用風險的研究——兼對Lending Club平臺的實證分析[J]. 劉暢,徐卓婷.  農(nóng)村經(jīng)濟與科技. 2018(24)
[3]基于卷積神經(jīng)網(wǎng)絡的互聯(lián)網(wǎng)金融信用風險預測研究[J]. 王重仁,韓冬梅.  微型機與應用. 2017(24)
[4]P2P視角下的個人信用風險評價研究[J]. 賈湖,張聞洲.  甘肅科學學報. 2016(05)
[5]基于大數(shù)據(jù)的個人信用風險評估關鍵技術研究[J]. 林漢川,張萬軍,楊柳.  管理現(xiàn)代化. 2016(02)
[6]基于決策樹的P2P網(wǎng)貸信用風險評價[J]. 孫同陽,謝朝陽.  商業(yè)經(jīng)濟研究. 2015(02)
[7]邊界Logistic違約率模型Bayes分析及實證研究[J]. 石曉軍,任若恩,肖遠文.  中國管理科學. 2006(04)
[8]k-近鄰判別分析法在個人信用評估中的應用[J]. 姜明輝,王雅林,趙欣,黃偉平.  數(shù)量經(jīng)濟技術經(jīng)濟研究. 2004(02)

博士論文
[1]基于大數(shù)據(jù)的個人信用風險評估模型研究[D]. 張萬軍.對外經(jīng)濟貿(mào)易大學 2016

碩士論文
[1]基于LeNet-5模型和門卷積神經(jīng)網(wǎng)絡的信用評分模型實證研究[D]. 楚天玥.深圳大學 2017
[2]我國個人信用風險評估方法研究[D]. 宓珊珊.西南財經(jīng)大學 2016



本文編號：3436257