【摘要】：隨著網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,金融與互聯(lián)網(wǎng)的聯(lián)系越來越緊密,全球的信貸模式也隨之產(chǎn)生了極大的變化,由傳統(tǒng)的金融機(jī)構(gòu)產(chǎn)生信貸向互聯(lián)網(wǎng)金融信貸發(fā)展,同時信貸平臺對信用風(fēng)險控制的要求也越來越高。因此通過建立信用風(fēng)險分類模型對客戶信用違約情況進(jìn)行分類預(yù)測,對于P2P借貸平臺和投資人來說至關(guān)重要。本文首先介紹了P2P網(wǎng)貸信用風(fēng)險的相關(guān)發(fā)展研究,對可用來進(jìn)行信用風(fēng)險評估的分類模型理論進(jìn)行了闡述,選擇Logistic回歸、支持向量機(jī)兩個單模型和隨機(jī)森林、XGBoost兩個集成模型對客戶信用風(fēng)險進(jìn)行分類和預(yù)測。其次在實(shí)證階段,本文對國外著名P2P借貸平臺Lending Club的個人信貸數(shù)據(jù)進(jìn)行分析研究,對該平臺的信貸數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗,使用Lasso算法對清洗過后的數(shù)據(jù)進(jìn)行特征篩選,利用欠采樣方法對數(shù)據(jù)的不平衡性進(jìn)行處理。隨后建立Logistic回歸、支持向量機(jī)、隨機(jī)森林、XGBoost四個分類預(yù)測對比模型。最后本文使用模型召回率、準(zhǔn)確率、ROC曲線等相關(guān)驗(yàn)證指標(biāo)對模型進(jìn)行對比,結(jié)果表明,相比于單模型來說,集成模型的預(yù)測效果更好,其中XGBoost模型的表現(xiàn)最佳。本文將Lasso算法和XGBoost模型相結(jié)合,提出一種新的信用風(fēng)險分類模型:Lasso-XGBoost。Lasso-XGBoost組合模型更加適用于信用風(fēng)險評估,該模型可顯著提高風(fēng)險分類預(yù)測精度。
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F832.4;F724.6
【圖文】：

數(shù)據(jù)缺失值檢驗(yàn)

第四章 實(shí)證分析4.1 Lasso 變量選擇由于數(shù)據(jù)集中變量個數(shù)較多，如果未經(jīng)過篩選建模會增加模型的復(fù)雜時也延長模型的訓(xùn)練時間，這樣建立的模型既復(fù)雜也不經(jīng)濟(jì)，不符合現(xiàn)實(shí)因此本文在建模之前進(jìn)行變量篩選，使用 Lasso 算法進(jìn)行降維，選擇變量因?yàn)閿?shù)據(jù)集中有些數(shù)據(jù)較大，有些數(shù)據(jù)較小，為避免大數(shù)吃小數(shù)、不影響結(jié)果等情形的出現(xiàn)，在進(jìn)行變量選擇之前本文對連續(xù)型數(shù)據(jù)進(jìn)行標(biāo)理。R 語言有一個著名的廣義線性模型彈性網(wǎng) glmnet 包，可以用來處理歸、Logistic 回歸等多種回歸模型，是一種有效的變量選擇的方法。本文語言進(jìn)行 Lasso 回歸，回歸路徑如圖 4-1 所示，該圖展示了 Lasso 系數(shù)選的過程，圖中頂部數(shù)字表示非零系數(shù)的個數(shù)，即所選擇出的變量個數(shù)。從看出被選擇出的變量遠(yuǎn)離坐標(biāo)抽，未選出的變量靠近坐標(biāo)抽，起到了壓縮降維的作用。

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孟杰;;企業(yè)信用風(fēng)險評估方法綜述[J];中國國際財經(jīng)(中英文);2018年02期

2 楊揚(yáng);周一懋;周宗放;;基于文本大數(shù)據(jù)的企業(yè)信用風(fēng)險評估[J];大數(shù)據(jù);2017年01期

3 張益;;基于層次分析法的中小企業(yè)信用風(fēng)險評估[J];商;2015年45期

4 楊平波;朱雅斯;;我國小額貸款公司信用風(fēng)險評估研究述評[J];湖南商學(xué)院學(xué)報;2015年04期

5 ;博衍財富 信達(dá)天下 誠負(fù)所托[J];今日財富;2016年06期

6 沈軍彩;徐繼紅;;神經(jīng)網(wǎng)絡(luò)的企業(yè)信用風(fēng)險評估應(yīng)用研究[J];計算機(jī)仿真;2012年03期

7 呂運(yùn)福;;商業(yè)銀行信用風(fēng)險評估管理對策[J];學(xué)理論;2011年16期

8 符濤;劉正;張晉峰;;高科技企業(yè)的信用風(fēng)險評估研究[J];經(jīng)濟(jì)視角(中旬);2011年09期

9 李甫英;商業(yè)銀行信用風(fēng)險評估實(shí)證[J];企業(yè)經(jīng)濟(jì);2005年10期

10 柴彭頤,劉鉆石;關(guān)于小型外貿(mào)企業(yè)信用風(fēng)險評估指標(biāo)體系的探討[J];商業(yè)研究;2004年06期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 劉睿;周宗放;;云理論在企業(yè)集團(tuán)信用風(fēng)險評估中的應(yīng)用[A];“中國視角的風(fēng)險分析和危機(jī)反應(yīng)”——中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第四屆年會論文集[C];2010年

2 陳林;周宗放;肖珉;;企業(yè)集團(tuán)信用風(fēng)險評估研究綜述[A];第五屆（2010）中國管理學(xué)年會——管理科學(xué)與工程分會場論文集[C];2010年

3 陳林;周宗放;;基于信度理論的新興技術(shù)企業(yè)信用風(fēng)險評估方法[A];中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第二屆年會論文集（二）[C];2006年

4 張建同;丁燁;邱偉;;數(shù)據(jù)質(zhì)押融資模式下的中小企業(yè)信用風(fēng)險評估研究[A];第十二屆（2017）中國管理學(xué)年會論文集[C];2017年

5 張目;周宗放;;基于多目標(biāo)規(guī)劃和支持向量機(jī)的企業(yè)信用評估模型[A];第三屆貴州省自然科學(xué)優(yōu)秀學(xué)術(shù)論文評選獲獎?wù)撐募?010年）[C];2010年

6 劉文蕊;張目;周宗放;;基于粗糙集和遺傳算法的企業(yè)集團(tuán)信用風(fēng)險識別[A];“中國視角的風(fēng)險分析和危機(jī)反應(yīng)”——中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第四屆年會論文集[C];2010年

7 周綺鳳;林成德;;商業(yè)銀行信用風(fēng)險評估中多分類方法的比較[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

8 帥理;賴輝;周宗放;;個人信用風(fēng)險評估研究綜述[A];Proceedings of the Third Symposium of Risk Analysis and Risk Management in Western China[C];2013年

9 鄧宇翔;魯煒;黃敏;;運(yùn)用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)信用風(fēng)險評估[A];2003年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2003年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者 周松林;中證指數(shù)兩項(xiàng)債市信用風(fēng)險評估新指標(biāo)發(fā)布[N];中國證券報;2017年

2 記者 祁豆豆;中證指數(shù)發(fā)布兩項(xiàng)債市信用風(fēng)險評估新指標(biāo)[N];上海證券報;2017年

3 本報記者 于德良;用圖計算做黑名單測試 京東金融準(zhǔn)確率超90%[N];證券日報;2017年

4 記者　陳小三;日本信用風(fēng)險評估工具登陸中國[N];國際商報;2006年

5 海 燕;AMS信用風(fēng)險評估引入中國[N];中國商報;2006年

6 記者 衛(wèi)容之;中國信用風(fēng)險評估仍高居“A類”[N];國際金融報;2003年

7 程汲;地區(qū)信用風(fēng)險評估應(yīng)該推行[N];金融時報;2004年

8 北京航空航天大學(xué)經(jīng)管學(xué)院 王娟;美國信用風(fēng)險評估體系簡介[N];金融時報;2002年

9 記者 潘清 王旺旺;應(yīng)對違約風(fēng)險困擾 信用債市場補(bǔ)信用甄別“短板”[N];經(jīng)濟(jì)參考報;2016年

10 德海;韓7家中小船企要“動手術(shù)”[N];中國船舶報;2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙靜嫻;基于決策樹的信用風(fēng)險評估方法研究[D];天津大學(xué);2009年

2 郭英見;基于信息融合的國有商業(yè)銀行信用風(fēng)險評估研究[D];哈爾濱工業(yè)大學(xué);2010年

3 蒙震;中小企業(yè)信用風(fēng)險評估及其對貸款定價的影響研究[D];對外經(jīng)濟(jì)貿(mào)易大學(xué);2015年

4 高珊珊;農(nóng)村消費(fèi)信貸信用風(fēng)險評估[D];中國礦業(yè)大學(xué)（北京）;2010年

5 TRAN DUY VU NGOC LAN;基于神經(jīng)網(wǎng)絡(luò)模型的中國和越南上市商業(yè)銀行信用風(fēng)險評估研究[D];湖南大學(xué);2012年

6 帥理;個人信用風(fēng)險評估理論與方法的拓展研究[D];電子科技大學(xué);2015年

7 祝由;供應(yīng)鏈金融環(huán)境下中小企業(yè)信用風(fēng)險評估研究[D];湖南大學(xué);2017年

8 婁春偉;基于多目標(biāo)決策與數(shù)據(jù)挖掘融合方法的主權(quán)信用風(fēng)險評估研究[D];電子科技大學(xué);2012年

9 肖珉;我國企業(yè)集團(tuán)上市公司財務(wù)預(yù)警與信用風(fēng)險評估研究[D];電子科技大學(xué);2012年

10 張?zhí)m花;林權(quán)抵押貸款信用風(fēng)險評估研究[D];福建農(nóng)林大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 任靜;基于Lasso-XGBoost模型的P2P網(wǎng)貸違約信用風(fēng)險評估[D];蘭州大學(xué);2019年

2 張寧;基于商業(yè)銀行視角的中小企業(yè)不同融資模式信用風(fēng)險評估[D];東北大學(xué);2015年

3 孫晗;我國國有企業(yè)信用風(fēng)險評估[D];南京理工大學(xué);2018年

4 劉晶宇;基于Logistic回歸模型的校園貸信用風(fēng)險評估研究[D];湖南大學(xué);2018年

5 周春亞;基于貝葉斯網(wǎng)絡(luò)分類的P2P網(wǎng)絡(luò)借貸信用風(fēng)險評估研究[D];湖南大學(xué);2018年

6 尤金;P2P網(wǎng)貸信用風(fēng)險評估及博弈分析[D];蘭州財經(jīng)大學(xué);2018年

7 王浩豫;商業(yè)銀行信用風(fēng)險評估研究[D];蘇州大學(xué);2018年

8 李青霞;基于KMV模型的蘇州上市公司信用風(fēng)險評估研究[D];蘇州大學(xué);2018年

9 陳春芳;S銀行個人住房抵押貸款信用風(fēng)險評估[D];南京航空航天大學(xué);2018年

10 劉凡暉;基于Logistic-KMV模型的制造業(yè)上市公司信用風(fēng)險評估研究[D];湖南大學(xué);2018年

本文編號：2742977