近年來(lái),互聯(lián)網(wǎng)金融的興起加快了整個(gè)金融市場(chǎng)的資金流動(dòng),各種新經(jīng)濟(jì)業(yè)態(tài)快速衍生,國(guó)內(nèi)P2P行業(yè)的發(fā)展尤其迅速,P2P平臺(tái)的數(shù)量每日都在增長(zhǎng),但伴隨的問(wèn)題與風(fēng)險(xiǎn)也逐步在提高,各種問(wèn)題如攜款跑路、資金提現(xiàn)困難、停業(yè)等層出不窮。投資者在進(jìn)行投資時(shí)也面臨了很大的風(fēng)險(xiǎn),如何在投資時(shí)從各類P2P平臺(tái)中識(shí)別出風(fēng)險(xiǎn)較高的平臺(tái),是政府以及投資者均面臨的一大難題。本文旨在對(duì)P2P平臺(tái)的風(fēng)險(xiǎn)進(jìn)行識(shí)別,以便各投資者在投資決策過(guò)程中更加謹(jǐn)慎。本文主要通過(guò)模型比較找到一種分類性能最優(yōu)的算法篩選出對(duì)P2P平臺(tái)風(fēng)險(xiǎn)影響較大的最優(yōu)指標(biāo)組合,然后利用所選變量進(jìn)行因子分析,計(jì)算出因子綜合得分,利用綜合得分對(duì)所選取的627家P2P平臺(tái)進(jìn)行評(píng)價(jià)排序,最終利用排名前后各50家P2P平臺(tái)得分驗(yàn)證所建立的P2P平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)體系的風(fēng)險(xiǎn)預(yù)測(cè)能力。在分析過(guò)程中本文主要借助R軟件進(jìn)行相關(guān)過(guò)程的分析,首先利用SVM算法、Boosting算法、隨機(jī)森林算法、Bagging算法、CART算法、K近鄰算法、二次判別分析模型共7種統(tǒng)計(jì)模型進(jìn)行分類性能比較,通過(guò)10折交叉驗(yàn)證法劃分訓(xùn)練集和測(cè)試集,分別計(jì)算7種模型的分類正確率,最終選擇分類性能最優(yōu)的隨機(jī)森... 

【文章來(lái)源】：成都理工大學(xué)四川省

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 文獻(xiàn)綜述
        1.2.1 國(guó)外研究綜述
        1.2.2 國(guó)內(nèi)研究綜述
    1.3 研究方法與論文結(jié)構(gòu)
        1.3.1 研究方法
        1.3.2 論文結(jié)構(gòu)
    1.4 創(chuàng)新點(diǎn)、難點(diǎn)與不足
        1.4.1 創(chuàng)新之處
        1.4.2 難點(diǎn)
        1.4.3 不足之處
第2章 統(tǒng)計(jì)模型介紹
    2.1 二次判別分析模型
    2.2 樹類模型
        2.2.1 分類回歸樹算法（CART）
        2.2.2 裝袋法（Bagging）
        2.2.3 提升法（Boosting）
        2.2.4 隨機(jī)森林（Random Forest）
    2.3 支持向量機(jī)（SVM）
    2.4 K最近鄰分類算法（KNN）
第3章 樣本及變量選取
    3.1 數(shù)據(jù)及樣本獲取
        3.1.1 數(shù)據(jù)獲取路徑說(shuō)明
        3.1.2 樣本初步選取
    3.2 變量的選取
        3.2.1 P2P網(wǎng)貸平臺(tái)基本信息
        3.2.2 P2P網(wǎng)貸平臺(tái)交易信息
        3.2.3 P2P網(wǎng)貸平臺(tái)外部信息
第4章 數(shù)據(jù)處理及基本分析
    4.1 數(shù)據(jù)獲取
        4.1.1 交易信息數(shù)據(jù)處理
        4.1.2 外部信息數(shù)據(jù)處理
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 缺失值處理
        4.2.2 異常值處理
        4.2.3 數(shù)據(jù)標(biāo)準(zhǔn)化處理
    4.3 描述性統(tǒng)計(jì)分析
第5章 P2P平臺(tái)風(fēng)險(xiǎn)識(shí)別實(shí)證分析
    5.1 統(tǒng)計(jì)模型預(yù)測(cè)結(jié)果的比較分析
        5.1.1 平衡樣本
        5.1.2 訓(xùn)練集與測(cè)試集劃分
        5.1.3 分類模型混淆矩陣評(píng)價(jià)
        5.1.4 分類模型其他評(píng)價(jià)方法
        5.1.5 分類模型比較結(jié)果
    5.2 P2P平臺(tái)風(fēng)險(xiǎn)識(shí)別指標(biāo)篩選
        5.2.1 特征選擇的基本原理
        5.2.2 基于AUC-RF的指標(biāo)篩選
        5.2.3 隨機(jī)森林分類誤差分析
        5.2.4 變量重要性分析
    5.3 P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)特征分析
第6章 P2P平臺(tái)風(fēng)險(xiǎn)綜合評(píng)價(jià)
    6.1 P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)綜合評(píng)價(jià)
        6.1.1 構(gòu)建P2P平臺(tái)風(fēng)險(xiǎn)綜合評(píng)價(jià)指標(biāo)體系
        6.1.2 因子分析
    6.2 P2P平臺(tái)風(fēng)險(xiǎn)綜合評(píng)價(jià)結(jié)果分析
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間取得學(xué)術(shù)成果


【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林模型的中國(guó)居民出境旅游影響因素重要性研究[J]. 張麗峰.  資源開發(fā)與市場(chǎng). 2017(06)
[2]對(duì)P2P網(wǎng)貸風(fēng)險(xiǎn)及相關(guān)輿情風(fēng)險(xiǎn)的研究——基于大數(shù)據(jù)就網(wǎng)民相應(yīng)情緒所做的分析[J]. 丁曉蔚,高淑萍.  當(dāng)代傳播. 2017(02)
[3]新經(jīng)濟(jì)業(yè)態(tài)P2P網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)甄別研究[J]. 范超,王磊,解明明.  統(tǒng)計(jì)研究. 2017(02)
[4]基于AHP的P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)實(shí)證分析[J]. 蔡友莉.  現(xiàn)代商貿(mào)工業(yè). 2017(04)
[5]機(jī)器學(xué)習(xí)算法在P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)級(jí)中的應(yīng)用[J]. 張蜀林,李萌萌.  時(shí)代金融. 2017(03)
[6]從P2P網(wǎng)貸輿情風(fēng)險(xiǎn)看媒體輿論引導(dǎo)作用[J]. 丁曉蔚.  中國(guó)出版. 2016(24)
[7]我國(guó)P2P網(wǎng)貸平臺(tái)風(fēng)險(xiǎn)評(píng)估實(shí)證研究[J]. 單鵬,楊佳琳,鄧穎璐.  中國(guó)物價(jià). 2016(11)
[8]基于互聯(lián)網(wǎng)金融的P2P網(wǎng)貸市場(chǎng)SWOT分析[J]. 梁瑩瑩.  對(duì)外經(jīng)貿(mào). 2016(10)
[9]基于改進(jìn)四分圖模型的P2P網(wǎng)貸平臺(tái)競(jìng)爭(zhēng)力診斷研究[J]. 許楠,曹齊芳.  金融發(fā)展研究. 2016(10)
[10]P2P網(wǎng)貸平臺(tái)與投資人之間信息不對(duì)稱問(wèn)題的研究[J]. 王麗.  物流工程與管理. 2016(10)

碩士論文
[1]p2p借款人信用風(fēng)險(xiǎn)研究[D]. 陳麗.華東政法大學(xué) 2016
[2]互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)識(shí)別及控制研究[D]. 張慧.山東大學(xué) 2015
[3]P2P平臺(tái)風(fēng)險(xiǎn)評(píng)價(jià)及控制研究[D]. 唐嘉悅.青島理工大學(xué) 2015
[4]中國(guó)P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)研究[D]. 馮澤敏.遼寧大學(xué) 2015
[5]P2P網(wǎng)絡(luò)借貸市場(chǎng)的融資成本與融資可獲得性研究[D]. 郭弈.西南財(cái)經(jīng)大學(xué) 2011



本文編號(hào)：3162921