基于机器学习的P2P网贷平台违约风险预测实证研究
P2P网络借贷作为一种新型的金融服务业模式，在解决小微企业融资及个人贷款等方面比传统银行更加高效与便捷。它省去了线下私人贷款和银行贷款的一系列繁琐程序，直接提供线上交易，使用户极大地享受了虚拟世界带来的便利。这种新型的网络借贷模式受到了广泛欢迎。但是，近年来，网贷的风险已经不断积累，一系列风险事件纷纷爆发，导致大量的平台破产倒闭。这不仅严重损害了投资者的合法权益，同时也极大地危害了金融行业的安全和社会的稳定。对此，网贷平台部门也出台了相应的政策来引导行业的合规发展。而对于平台自身而言，也应该做好风险管理及预警工作。 由于我国P2P网贷平台蕴藏着许多借贷违约风险，准确预测违约风险并采取相应的处理措施是当前P2P网贷平台当务之急。本文主要使用多个机器学习方法构建模型对P2P网贷用户违约率进行研究,通过对比选择出其中最适合做该行业的用户借贷违约率的风险识别模型,帮助平台提前辨别出风险隐患大的借贷者,保障平台自身及用户的利益。本文是在以往研究的基础上选取lending club网贷平台公开提供的2016年至2017年第一季度用户借贷交易原始数据，在对数据进行分析处理的基础上，分别使用Logistic回归模型、蝙蝠优化算法的前馈神经网络（BABP神经网络）以及最小二乘支持向量机（LSSVM）三种机器学习的方法对P2P网贷平台借贷用户违约风险经行了实证研究。本文的重点就是对三种模型的构建，然后分别基于这三种方法将它们应用于违约风险预测的实验中，最后通过比较三种模型计算出来的结果，评估三种方法在预测P2P网贷平台违约风险的适用性。各个模型得出的实验结果显示，最小二乘支持向量机的预测效果更加优越，更适合作为网贷平台的用户借贷违约风险识别模式。其中Logistic回归模型通过SPSS统计软件中二元Logistic回归分析完成，BP网络和LSSVM通过MATLAB编写相应的模型代码实现。
P2P网贷平台;机器学习;违约风险预测;logistic回归;BABP神经网络
安庆师范大学
硕士
统计学
钱萌
2019
中文
TP181;F724.6
2019-11-25（万方平台首次上网日期，不代表论文的发表时间）