本文利用大數(shù)據(jù)網(wǎng)絡(luò)爬蟲技術(shù)收集了網(wǎng)貸第三方網(wǎng)站平臺(tái)的公開數(shù)據(jù),利用機(jī)器學(xué)習(xí)模型對(duì)網(wǎng)貸平臺(tái)的非法集資風(fēng)險(xiǎn)進(jìn)行了預(yù)警研究,比較了傳統(tǒng)機(jī)器學(xué)習(xí)方法(以邏輯回歸和決策樹模型為代表)與前沿機(jī)器學(xué)習(xí)模型(以隨機(jī)森林模型和XGBoost模型為代表)在多個(gè)預(yù)測(cè)指標(biāo)上的靜態(tài)預(yù)警效能,并在動(dòng)態(tài)預(yù)警框架下研究了網(wǎng)貸平臺(tái)全生命周期內(nèi)各模型的動(dòng)態(tài)預(yù)警效果。研究表明,傳統(tǒng)與前沿機(jī)器學(xué)習(xí)模型均表現(xiàn)出了優(yōu)良的預(yù)警效果,傳統(tǒng)模型的準(zhǔn)確率略低于前沿模型,但決策樹模型在重要檢出率指標(biāo)上的表現(xiàn)優(yōu)于其他模型。在動(dòng)態(tài)預(yù)警框架下,本文發(fā)現(xiàn)在平臺(tái)全生命周期內(nèi),所采用機(jī)器學(xué)習(xí)模型的預(yù)警效果隨時(shí)間的變化呈現(xiàn)波動(dòng)上升并在2017年后緩慢下降的趨勢(shì)。雖然該趨勢(shì)與我國網(wǎng)貸行業(yè)的發(fā)展和監(jiān)管現(xiàn)狀相符,但也表明預(yù)警模型的使用者應(yīng)積極尋找表外指標(biāo),進(jìn)一步挖掘網(wǎng)貸平臺(tái)的深層次指標(biāo)以穩(wěn)定預(yù)警效果。

【文章頁數(shù)】：8 頁

【文章目錄】：
一、引言與文獻(xiàn)綜述
二、指標(biāo)分析與模型選擇
    (一)指標(biāo)分析
    (二)模型選擇
三、數(shù)據(jù)處理與預(yù)警評(píng)估
    (一)數(shù)據(jù)處理
    (二)預(yù)警評(píng)估
四、實(shí)證分析
    (一)描述性統(tǒng)計(jì)分析
    (二)預(yù)警效果評(píng)價(jià)
    (三)指標(biāo)重要性分析
    (四)動(dòng)態(tài)預(yù)警分析
五、結(jié)論及政策建議



本文編號(hào)：3937586