【摘要】：伴隨著網(wǎng)絡(luò)借貸行業(yè)的興起和繁榮,形形色色的欺詐事件在不斷增加,甚至還形成了專門的黑色產(chǎn)業(yè)鏈,欺詐成了網(wǎng)絡(luò)借貸行業(yè)難以規(guī)避的隱痛。網(wǎng)絡(luò)借貸平臺的風險控制能力是決定其是否能長期運行和健康發(fā)展的一個重要因素,是否能有效控制欺詐風險對網(wǎng)絡(luò)借貸平臺能否長期運行和健康發(fā)展更是起到至關(guān)重要的作用。為了豐富網(wǎng)絡(luò)借貸平臺的反欺詐手段,本文借鑒前人經(jīng)驗,提出了GBDTLogistic regression組合模型欺詐評分卡的理論并進行了實證分析,建立GBDTLogistic regression組合模型欺詐評分卡的具體步驟為:將多個原始變量作為GBDT模型的輸入自變量,將是否欺詐作為GBDT模型的因變量,對GBDT模型進行參數(shù)選擇和調(diào)優(yōu),然后通過調(diào)優(yōu)后的GBDT模型生成欺詐概率,將其生成的欺詐概率進行WoE轉(zhuǎn)換之后作為自變量與挑選的其余原始自變量一起經(jīng)過因子分析轉(zhuǎn)換生成因子得分,將因子得分作為Logistic regression模型的自變量輸入,得到Logistic regression結(jié)果,然后再根據(jù)Logistic regression系數(shù)和因子分析結(jié)果將因子項還原成輸入變量的方程,最后根據(jù)評分公式生成評分卡。本文分別對Logistic regression欺詐評分卡、GBDT模型、GBDT-Logistic regression組合模型欺詐評分卡進行了實證分析,并對這三種模型的結(jié)果進行了對比,對比結(jié)果表明,GBDT-Logistic regression組合模型欺詐評分卡比GBDT模型更穩(wěn)定、更具可解釋性;且GBDT-Logistic regression組合模型欺詐評分卡比Logistic regression欺詐評分卡區(qū)分能力和排序能力更強。
【圖文】：

接著就是實證分析，，此部分詳細闡述了建立 Logisticregression 欺詐評分卡、GBDT 模型、GBDT-Logistic regression 組合模型欺詐評分卡的過程，并對三個模型的結(jié)果進行了對比和評估，生成 GBDT-Logistic regression 組合模型欺詐評分卡的具體步驟主要有：(1)業(yè)務(wù)訪談及數(shù)據(jù)調(diào)研；(2)好壞客戶定義； (3)生成寬表；(4)建模樣本分類；(5)篩選變量；(6)GBDT 模型開發(fā)及訓練；(7)將 GBD模型生成的欺詐概率及原始變量進行 WoE 轉(zhuǎn)換；(8)因子分析；(9)Logistiregression 模型開發(fā)及訓練；(10)將因子項還原成欺詐概率及原始變量方程；(11生成欺詐評分卡，為每一個借款客戶生成一個欺詐分，并對生成的欺詐評分卡的效果進行評估。最后是結(jié)論和展望，主要描述本文的結(jié)論、本文研究的局限性及未來的研究方向。論文結(jié)構(gòu)如圖 1.1 所示。引言 研究背景及研究意義、論文內(nèi)容及結(jié)構(gòu)文獻綜述國內(nèi)外反欺詐手段研究

圖 3.1 sigmoid 函數(shù)tic 函數(shù)最早是 Verhulst 為了研究人口增長而定義的，1978 年，對人口不控制的話，人口的增長會呈現(xiàn)幾何級數(shù)增長趨勢，而 4老師認為人口不可能無止盡的增長，于是讓 Verhulst 去研究Verhulst 在 1983 年到 1947 年之間，發(fā)表了多篇研究人口增長 1945 年的一篇論文中，定義了 logistic 函數(shù)曲線來描述人口始人口呈指數(shù)增長，隨著時間的流逝，人口增長趨勢變緩，到飽和停止增長。 3.1 所示，logistic 函數(shù)有如下性質(zhì)：(1)單調(diào)性;(2)有界性；(導性，導數(shù)公式如下： ( ) = ( )( ( )) logistic 函數(shù)的上述性質(zhì)，我們將這個函數(shù)應(yīng)用到線性回歸的如( 3.9 ),( 3.10 )式所示： ￡ ¨(P) = ∑ ( )
【學位授予單位】：對外經(jīng)濟貿(mào)易大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F724.6;F832.4

【相似文獻】

相關(guān)期刊論文 前10條

1 李鑫;朱海勇;;逆向工程模型精度評價[J];科技信息;2010年27期

2 葉亮;潘爾順;奚立峰;;模型精度對自控性能的影響及謹慎控制策略[J];計算機集成制造系統(tǒng);2007年10期

3 伍艷春;一種提高灰色預(yù)測模型精度的方法[J];系統(tǒng)工程;1997年04期

4 李福琴;劉建國;;數(shù)據(jù)變換提高灰色預(yù)測模型精度的研究[J];統(tǒng)計與決策;2008年06期

5 何敏，向志民;提高Logistic生長模型精度的研究[J];遼寧林業(yè)科技;1996年06期

6 宋松科;劉泉;李軍歌;;提高灰色預(yù)測模型精度的研究[J];西南公路;2010年03期

7 趙新蕖;平林英;;提高GM(1,1)模型精度的探討[J];科技資訊;2008年33期

8 陳鵬;陳家君;;全球電離層格網(wǎng)模型精度影響因素分析[J];大地測量與地球動力學;2014年02期

9 王建國,陳洪濤;對提高灰色預(yù)測模型精度的探討[J];農(nóng)業(yè)系統(tǒng)科學與綜合研究;1997年01期

10 趙楊新星;李江云;常青;;SWMM模型精度在城市雨洪模擬中的影響分析[J];水電能源科學;2017年12期

相關(guān)會議論文 前7條

1 鄭開峰;;基于裝飾階段對模型整合的應(yīng)用研究[A];第四屆全國BIM學術(shù)會議論文集[C];2018年

2 張卿川;李斐;張勝凱;雷錦韜;李文浩;;不同對流層天頂延遲模型在南極半島地區(qū)適用性分析[A];第九屆中國衛(wèi)星導航學術(shù)年會論文集——S05 精密定位技術(shù)[C];2018年

3 范澤孟;岳天祥;;資源環(huán)境綜合模型精度的定量分析方法[A];中國地理學會百年慶典學術(shù)論文摘要集[C];2009年

4 白云;雷劍梅;馮玉明;賴志達;黃雪梅;;整車電磁仿真逆向模型一致度分析[A];汽車電子和智能車輛前沿技術(shù)重慶論壇論文集[C];2014年

5 楊斌;葛超英;徐雯佳;石靜;;河北海域海面溫度定量遙感反演及應(yīng)用研究[A];第十八屆中國環(huán)境遙感應(yīng)用技術(shù)論壇論文集[C];2014年

6 錢宏智;張家泉;王東柱;崔立新;魏軍;李國光;李學剛;曹利;李興才;;連鑄二冷配水模型可靠性的研究[A];連鑄二次冷卻技術(shù)交流會論文匯編[C];2005年

7 高瑞華;;煙臺地區(qū)降水量時間序列的干旱灰色預(yù)測[A];第33屆中國氣象學會年會 S4 干旱氣象災(zāi)害監(jiān)測預(yù)測及其影響與對策[C];2016年

相關(guān)碩士學位論文 前10條

1 李學燕;組合模型在網(wǎng)絡(luò)借貸反欺詐中的應(yīng)用研究[D];對外經(jīng)濟貿(mào)易大學;2018年

2 徐山川;基于GIS的SWMM模型在洪雅縣的應(yīng)用研究[D];重慶大學;2018年

3 劉欣;基于矩陣隱特征分析的推薦模型關(guān)鍵技術(shù)研究[D];電子科技大學;2017年

4 鄭藝;基于光能利用率模型的植被總初級生產(chǎn)力估算及其不確定性分析[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

5 幸韻;山區(qū)河流一維非恒定流數(shù)學模型精度改進方法[D];重慶交通大學;2015年

6 吳磊;科學計算中的幾何多態(tài)模型初探[D];合肥工業(yè)大學;2005年

7 彭麗;基于MODIS和氣象數(shù)據(jù)的陜西省小麥與玉米產(chǎn)量估算模型研究[D];浙江大學;2014年

8 計寶鑫;基于SWMM模型的西安市城區(qū)匯水區(qū)域劃分與徑流特征研究[D];西安理工大學;2017年

9 丁滿;大型火電機組建模與驗?zāi)７椒ǖ难芯縖D];華北電力大學;2013年

10 劉宇星;拱塔組合景觀橋結(jié)構(gòu)計算分析[D];大連理工大學;2011年

本文編號：2595306