近年來,隨著網(wǎng)絡(luò)通信和互聯(lián)網(wǎng)的逐漸發(fā)達(dá)和普及,互聯(lián)網(wǎng)金融行業(yè)在國(guó)內(nèi)正在蓬勃興起,互聯(lián)網(wǎng)金融貸款也逐漸成為一種趨勢(shì)。自2007年網(wǎng)絡(luò)貸款進(jìn)入中國(guó)以來,這種信貸交易模式逐漸發(fā)展并得到流行,到目前已經(jīng)在互聯(lián)網(wǎng)金融行業(yè)中占據(jù)重要地位。但與此同時(shí),這種以信用無(wú)抵押貸款模式的流行,信用風(fēng)險(xiǎn)也隨之而來,所以這就促使貸款平臺(tái)需要更加嚴(yán)格審核申請(qǐng)用戶的信用信息,但是,由于國(guó)內(nèi)信用體系還不夠完善,以及針對(duì)信用貸款無(wú)抵押模式的風(fēng)險(xiǎn)控制研究還不夠深入,導(dǎo)致很多貸款平臺(tái)的逾期客戶和壞賬率增加,以致于最終面臨倒閉的風(fēng)險(xiǎn)。隨著大數(shù)據(jù)技術(shù)的成熟,網(wǎng)絡(luò)貸款行業(yè)也逐漸選擇通過大數(shù)據(jù)挖掘技術(shù)對(duì)用戶數(shù)據(jù)進(jìn)行深入分析,從中找到能夠幫助篩選優(yōu)質(zhì)客戶的數(shù)據(jù)規(guī)律,除了能夠利用業(yè)務(wù)經(jīng)驗(yàn)之外,也能夠利用數(shù)據(jù)模型進(jìn)行科學(xué)判斷客戶資質(zhì),從而提高盈利,減少行業(yè)損失。本文主要通過Lending Club P2P貸款平臺(tái)獲得原始數(shù)據(jù)以進(jìn)行后續(xù)模型的搭建,由于數(shù)據(jù)質(zhì)量較差,出現(xiàn)格式混亂或者缺失值及異常值,且原始數(shù)據(jù)中存在非平衡問題,因此在建立數(shù)據(jù)模型前,需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理,本文通過SMOTE算法進(jìn)行少數(shù)類樣本的增加,并對(duì)連續(xù)性屬性和取值較多的... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：43 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

邏輯回歸函數(shù)分布

重慶大學(xué)碩士學(xué)位論文 3 理論概述③ 生成的 K顆決策樹，并進(jìn)行完整不剪枝生長(zhǎng)。④ 將訓(xùn)練好的 K 顆決策樹進(jìn)行合并，組成一個(gè)隨機(jī)森林，然后對(duì)新的樣本集進(jìn)行分類，利用多顆樹的投票來判斷樣本的最終分類結(jié)果。3.3.1 決策樹決策樹算法是通過一系列的判別規(guī)則對(duì)樣本數(shù)據(jù)進(jìn)行分類的過程，也是較為常用且簡(jiǎn)單基本的分類算法，最優(yōu)決策樹的生成過程中主要包含三個(gè)方面：特征的選擇、決策樹的生成、決策樹的剪枝處理。常用的決策樹算法包括有 ID3、C4.5、CART分類樹三種，這三種算法的區(qū)別具體表現(xiàn)為以下流程：

學(xué)位論文 4 數(shù)據(jù)4 數(shù)據(jù)的收集與處理介紹與描述用數(shù)據(jù)來源于美國(guó) lending club 網(wǎng)絡(luò)貸款公司公布數(shù)據(jù)，總包含 25 個(gè)變量，其中有一個(gè)自造衍生變量為月還收入 作為目標(biāo)變量。在原始數(shù)據(jù)集中，存在不同的貸款期限，須要在統(tǒng)一的期限內(nèi)，并且不宜過長(zhǎng)，所以選取貸款期數(shù)總體樣本集，總計(jì) 23411 條樣本。的描述性統(tǒng)計(jì)始數(shù)據(jù)集，利用 R 統(tǒng)計(jì)軟件進(jìn)行簡(jiǎn)單的描述統(tǒng)計(jì)，對(duì)總體可視化統(tǒng)計(jì)如下圖 4.1：

【參考文獻(xiàn)】：
期刊論文
[1]基于Logistic的P2P網(wǎng)貸借款人信用風(fēng)險(xiǎn)評(píng)估研究[J]. 徐慧婷.  中國(guó)石油大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(06)
[2]一種基于Boosting的集成學(xué)習(xí)算法在銀行個(gè)人信用評(píng)級(jí)中的應(yīng)用[J]. 陳力,黃艷瑩,游德創(chuàng).  價(jià)值工程. 2017(18)
[3]層次分析法和支持向量機(jī)在個(gè)人信用評(píng)估中的應(yīng)用[J]. 許艷秋,潘美芹.  中國(guó)管理科學(xué). 2016(S1)
[4]《網(wǎng)絡(luò)借貸信息中介機(jī)構(gòu)業(yè)務(wù)活動(dòng)管理暫行辦法》(征求意見稿)解讀[J]. 張書紅.  知識(shí)經(jīng)濟(jì). 2016(06)
[5]P2P借貸平臺(tái)風(fēng)險(xiǎn)分析[J]. 趙彬丞,張嘉卿,賴俊明.  當(dāng)代經(jīng)濟(jì). 2016(04)
[6]我國(guó)P2P網(wǎng)絡(luò)信貸中個(gè)人信用評(píng)級(jí)研究[J]. 張墨.  經(jīng)濟(jì)視角(上旬刊). 2015(03)
[7]基于隨機(jī)森林的個(gè)人信用評(píng)估模型研究及實(shí)證分析[J]. 蕭超武,蔡文學(xué),黃曉宇,陳康.  管理現(xiàn)代化. 2014(06)
[8]德國(guó)IPC公司微貸技術(shù)在我國(guó)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的運(yùn)用——以桂林轄區(qū)為例[J]. 龍新庭,王曉華.  區(qū)域金融研究. 2013(10)
[9]美國(guó)個(gè)人信用評(píng)分體系研究及啟示[J]. 白云峰,畢強(qiáng).  現(xiàn)代管理科學(xué). 2010(12)
[10]基于分類樹和支持向量機(jī)的個(gè)人信用評(píng)估方法[J]. 高莉.  內(nèi)江師范學(xué)院學(xué)報(bào). 2009(08)

碩士論文
[1]大數(shù)據(jù)時(shí)代的征信創(chuàng)新與發(fā)展研究[D]. 姜俊琳.浙江大學(xué) 2016
[2]P2P網(wǎng)絡(luò)信貸行為及風(fēng)險(xiǎn)評(píng)估研究[D]. 楊薇薇.中國(guó)海洋大學(xué) 2014
[3]我國(guó)P2P網(wǎng)絡(luò)信貸風(fēng)險(xiǎn)評(píng)估研究[D]. 劉峙廷.廣西大學(xué) 2013
[4]個(gè)人信用評(píng)估模型研究[D]. 劉征.西南財(cái)經(jīng)大學(xué) 2006



本文編號(hào)：3508107