P2P(Peer to Peer),即個(gè)人對(duì)個(gè)人的網(wǎng)絡(luò)借貸,如今P2P平臺(tái)在我國(guó)發(fā)展的如火如荼,但借貸人違約率過(guò)高的問(wèn)題也日益嚴(yán)重,給平臺(tái)和債權(quán)人造成很大損失。這種情況下,如何建立完善的風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)是P2P平臺(tái)平穩(wěn)發(fā)展的決定性因素。但由于國(guó)內(nèi)P2P行業(yè)起步較晚,較多公司在該方面比較薄弱。因此設(shè)計(jì)一個(gè)預(yù)測(cè)能力好,泛化能力強(qiáng)的模型來(lái)構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng),對(duì)借款者進(jìn)行信用評(píng)價(jià),然后進(jìn)行借貸逾期預(yù)測(cè),降低違約率,是P2P發(fā)展急需解決的問(wèn)題。目前現(xiàn)有的平臺(tái),如拍拍貸,陸金服都在增強(qiáng)自己的風(fēng)險(xiǎn)預(yù)測(cè)模型。為解決以上問(wèn)題,本文構(gòu)建了針對(duì)P2P借貸人的逾期風(fēng)險(xiǎn)預(yù)測(cè)模型,本文的主要工作包括:(1)提出了基于融合的風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建方法并闡述了理論基礎(chǔ)。(2)在P2P借貸平臺(tái)用戶數(shù)據(jù)集的基礎(chǔ)上,通過(guò)數(shù)據(jù)預(yù)處理與對(duì)SMOTE算法改進(jìn)來(lái)進(jìn)行數(shù)據(jù)優(yōu)化與類別不平衡問(wèn)題的解決,將處理好的數(shù)據(jù)進(jìn)行特征提取、特征構(gòu)建與特征選取處理,構(gòu)建最優(yōu)特征子集,為后續(xù)開(kāi)展風(fēng)險(xiǎn)預(yù)測(cè)模型研究奠定基礎(chǔ)。(3)研究和比較了常用的風(fēng)險(xiǎn)預(yù)測(cè)模型,并根據(jù)P2P特征子集的特點(diǎn)進(jìn)行模型的改進(jìn)與調(diào)參,實(shí)驗(yàn)結(jié)果證明由XGBoost、隨機(jī)森林與支持向量機(jī)構(gòu)成風(fēng)... 

【文章來(lái)源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

北京工業(yè)大學(xué)工程碩士專業(yè)學(xué)位論文輯回歸的原理是將線性回歸的結(jié)果值映射到 sigmoid 函數(shù)中，將 0來(lái)表示預(yù)測(cè)結(jié)果的概率[37]。假如 a 是一個(gè)二分類結(jié)果變量，a=0 表常還款，a=1 表示用戶逾期繳款，x={x1,x2,x3,…,xn}為 n 維特征,θ2,…,θn}是每個(gè)特征對(duì)應(yīng)的參數(shù),可得線性回歸公式(2-1)：Tn nz x x x = x 后可得邏輯回歸公式(2-2)：1 1( )1+ 1Tzxh xe e 中 sigmoid 函數(shù)為公式(2-3)：1y =1xe igmoid 函數(shù)及函數(shù)導(dǎo)數(shù)的圖像如圖 2-1 所示：

第 2 章 基本理論與相關(guān)技術(shù)綜述邏輯回歸的魯棒性很好，受到數(shù)據(jù)中小噪聲的影響小，并且不會(huì)重共線性的特別影響�；貧w缺點(diǎn)：模型學(xué)習(xí)時(shí)容易欠擬合，分類精度相對(duì)較低。數(shù)據(jù)提取的特征有缺失或者特征空間很大時(shí)表現(xiàn)效果并不好。持向量機(jī)(支持向量機(jī))，屬于有監(jiān)督學(xué)習(xí)算法的一種，即可用于分類，也質(zhì)在于在特征空間尋求一個(gè)間隔最大的超平面[38]。算法的核心：當(dāng)待分類數(shù)據(jù)集中的數(shù)據(jù)是線性可分的，只要將線 L 放在離兩遠(yuǎn)的位置，如圖 2-2 所示，此時(shí) x1=x2。尋找這個(gè)最大距離的過(guò)。

【參考文獻(xiàn)】：
期刊論文
[1]基于非均衡模糊近似支持向量機(jī)的P2P網(wǎng)貸借款人信用風(fēng)險(xiǎn)評(píng)估及應(yīng)用[J]. 張衛(wèi)國(guó),盧媛媛,劉勇軍.  系統(tǒng)工程理論與實(shí)踐. 2018(10)
[2]P2P網(wǎng)貸借款人違約風(fēng)險(xiǎn)評(píng)估——基于決策樹(shù)的研究[J]. 沈玉溪,徐浩.  經(jīng)營(yíng)與管理. 2018(09)
[3]基于XGBoost算法的病例分型系統(tǒng)設(shè)計(jì)[J]. 俞高.  中國(guó)數(shù)字醫(yī)學(xué). 2018(03)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)貸借款人信用風(fēng)險(xiǎn)評(píng)估研究[J]. 李昕,戴一成.  武漢金融. 2018(02)
[5]P2P借貸中借款人的違約風(fēng)險(xiǎn)評(píng)估——基于“人人貸”數(shù)據(jù)的實(shí)證分析[J]. 阮素梅,何浩然,李敬明.  經(jīng)濟(jì)問(wèn)題. 2017(12)
[6]Logistic回歸模型在P2P平臺(tái)風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J]. 湯璇.  湖北經(jīng)濟(jì)學(xué)院學(xué)報(bào)(人文社會(huì)科學(xué)版). 2017(04)
[7]P2P網(wǎng)貸平臺(tái)借款人信用風(fēng)險(xiǎn)評(píng)估研究[J]. 霍江林,劉素榮.  金融發(fā)展研究. 2016(12)
[8]基于Logistic回歸模型的P2P網(wǎng)貸平臺(tái)新進(jìn)借款人信用風(fēng)險(xiǎn)研究[J]. 董梁,胡明雅.  江蘇科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2016(03)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)貸借款者的信用風(fēng)險(xiǎn)評(píng)估[J]. 李淑錦,呂靖強(qiáng).  生產(chǎn)力研究. 2016(04)
[10]P2P網(wǎng)絡(luò)貸款信用的風(fēng)險(xiǎn)評(píng)估[J]. 傅彥銘,臧敦剛,戚名鈺.  統(tǒng)計(jì)與決策. 2014(21)

碩士論文
[1]隨機(jī)森林在P2P網(wǎng)貸借款信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[D]. 徐婷婷.山東大學(xué) 2017
[2]基于BP神經(jīng)網(wǎng)絡(luò)模型的中國(guó)P2P借款人信用風(fēng)險(xiǎn)評(píng)估研究[D]. 黃震.北京交通大學(xué) 2015
[3]基于粗糙集和神經(jīng)網(wǎng)絡(luò)的中小企業(yè)信用評(píng)估體系及模型的研究[D]. 李曉歡.內(nèi)蒙古大學(xué) 2010



本文編號(hào)：2940931