網(wǎng)絡(luò)貸款是傳統(tǒng)貸款在線上的擴(kuò)展,但是網(wǎng)絡(luò)貸款同樣會(huì)存在違約風(fēng)險(xiǎn),線下貸款有線下的風(fēng)險(xiǎn)評(píng)估方法,但是并不完全適用于網(wǎng)絡(luò)貸款。本文通過(guò)對(duì)Lending Club從2007年開(kāi)始運(yùn)營(yíng)到2018年的數(shù)據(jù)進(jìn)行分析處理和建模,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)和生存分析模型來(lái)建立一套相應(yīng)的網(wǎng)絡(luò)貸款違約風(fēng)險(xiǎn)評(píng)估模型,其中卷積神經(jīng)網(wǎng)絡(luò)用來(lái)預(yù)測(cè)網(wǎng)絡(luò)貸款的違約概率,生存分析模型用來(lái)預(yù)測(cè)可能的違約時(shí)間。經(jīng)過(guò)數(shù)據(jù)處理,從數(shù)據(jù)集中的151個(gè)特征變量中得到97個(gè)變量來(lái)建立違約風(fēng)險(xiǎn)評(píng)估模型,并且將預(yù)測(cè)結(jié)果和業(yè)界中常用的機(jī)器學(xué)習(xí)模型預(yù)測(cè)結(jié)果進(jìn)行了對(duì)比。對(duì)比發(fā)現(xiàn),卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)違約貸款的預(yù)測(cè)準(zhǔn)確率為83.75%,而Logistic模型對(duì)網(wǎng)絡(luò)貸款違約的預(yù)測(cè)準(zhǔn)確率為80.23%,隨機(jī)森林的網(wǎng)絡(luò)貸款違約預(yù)測(cè)準(zhǔn)確率為76.68%,KNN模型的網(wǎng)絡(luò)貸款違約預(yù)測(cè)準(zhǔn)確率為70.46%。結(jié)果顯示,卷積神經(jīng)網(wǎng)絡(luò)模型網(wǎng)絡(luò)貸款違約預(yù)測(cè)準(zhǔn)確率是高于其他的傳統(tǒng)機(jī)器學(xué)習(xí)方法,能更準(zhǔn)確地評(píng)估網(wǎng)絡(luò)貸款借款人的違約風(fēng)險(xiǎn)。在前人研究的基礎(chǔ)上,選擇12個(gè)特征變量利用Cox回歸模型進(jìn)行網(wǎng)絡(luò)貸款的違約時(shí)間預(yù)測(cè)。研究結(jié)果顯示,網(wǎng)絡(luò)貸款的生存曲線呈現(xiàn)下降的趨勢(shì),即網(wǎng)絡(luò)貸款的生存... 

【文章來(lái)源】：上海師范大學(xué)上海市

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)單元其對(duì)應(yīng)的公式如下：

上海師范大學(xué)碩士學(xué)位論文第3章網(wǎng)絡(luò)貸款違約風(fēng)險(xiǎn)評(píng)估方案理論框架15圖2.2含有一個(gè)隱層的神經(jīng)網(wǎng)絡(luò)其對(duì)應(yīng)的公式如下：(2)(1)(1)(1)(1)11111221331a=f(Wx+Wx+Wx+b)（2-2）(2)(1)(1)(1)(1)22112222332a=f(Wx+Wx+Wx+b)（2-3）(2)(1)(1)(1)(1)33113223333a=f(Wx+Wx+Wx+b)（2-4）(3)(2)(2)(2)(2)(2)(2)(2),11111221331()()Wbhxa=fW=a+Wa+Wa+b（2-5）比較類(lèi)似的，可以拓展到有2,3,4,5，…個(gè)隱含層。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法也同Logistic類(lèi)似，不過(guò)由于其多層性，還需要利用鏈?zhǔn)角髮?dǎo)法則對(duì)隱含層的節(jié)點(diǎn)進(jìn)行求導(dǎo)，即梯度下降+鏈?zhǔn)角髮?dǎo)法則，專(zhuān)業(yè)名稱(chēng)為反向傳播。2.2.2.2卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)通常包含以下幾種層：輸入層。卷積神經(jīng)網(wǎng)絡(luò)的輸入層可以處理多維數(shù)據(jù)，常見(jiàn)地，一維卷積神經(jīng)網(wǎng)絡(luò)的輸入層接收一維或二維數(shù)組，其中一維數(shù)組通常為時(shí)間或頻譜采樣；二維數(shù)組可能包含多個(gè)通道；二維卷積神經(jīng)網(wǎng)絡(luò)的輸入層接收二維或三維數(shù)組；三維卷積神經(jīng)網(wǎng)絡(luò)的輸入層接收四維數(shù)組。與其它神經(jīng)網(wǎng)絡(luò)算法類(lèi)似，由于使用梯度下降算法進(jìn)行學(xué)習(xí)，卷積神經(jīng)網(wǎng)絡(luò)的輸入特征需要進(jìn)行標(biāo)準(zhǔn)化處理。隱含層。卷積神經(jīng)網(wǎng)絡(luò)的隱含層包含卷積層、池化層和全連接層3類(lèi)常見(jiàn)構(gòu)

第4章網(wǎng)絡(luò)貸款違約風(fēng)險(xiǎn)評(píng)估方案策劃上海師范大學(xué)碩士學(xué)位論文30解主要向借款人發(fā)放的金額；哪一年發(fā)放的貸款最多；貸款的分布狀況。網(wǎng)絡(luò)貸款一般定位于小額貸款,所以借款人申請(qǐng)的貸款、貸款人承諾投資總額以及出資額均為小額度。發(fā)放的貸款大多數(shù)集中在10000美元附近，絕大多數(shù)貸款在20000美元以下，40000美元已經(jīng)是比較大額的貸款了，2018年是發(fā)行最多貸款的一年。潛在借款人申請(qǐng)的貸款，發(fā)放給借款人的金額和投資者資助的金額的分配方式類(lèi)似，這意味著合格的借款人很可能會(huì)獲得他們申請(qǐng)的貸款。如圖4.1所示：圖4.1借款人申請(qǐng)金額、貸款人出資及承諾金額從2007年到2018年，平均每筆借貸數(shù)額呈現(xiàn)不斷上升的整體趨勢(shì)，2018年是所有年份中平均每筆貸款金額最大的一年，這與通貨膨脹或有一定的關(guān)系。但是在2013年到2017年，平均每筆貸款金額有所震蕩，也反映了當(dāng)時(shí)的經(jīng)濟(jì)環(huán)境，如下圖4.2所示：


本文編號(hào)：3310423