發(fā)布時(shí)間：2024-05-12 12:17

　　隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,各行各業(yè)都寄希望與互聯(lián)網(wǎng)相互整合以謀求企業(yè)新的發(fā)展方向。加之國(guó)家將消費(fèi)金融行業(yè)作為未來(lái)經(jīng)濟(jì)發(fā)展的戰(zhàn)略新興產(chǎn)業(yè),互聯(lián)網(wǎng)消費(fèi)金融便應(yīng)運(yùn)而生。我國(guó)互聯(lián)網(wǎng)消費(fèi)金融指的是為人民提供的以消費(fèi)為目的一種信貸服務(wù)方式(除房屋和汽車(chē)消費(fèi)之外)。這種方式相較于傳統(tǒng)信貸來(lái)說(shuō)具有信息化、批量化以及低成本化的優(yōu)點(diǎn)。它也因此具有零抵押、在線快速審核、極速放款的特點(diǎn)。正是因?yàn)檫@些特點(diǎn),一經(jīng)推出便吸引了大量的消費(fèi)者,整個(gè)行業(yè)也因此步入快車(chē)道。然而,與高速增長(zhǎng)一并而來(lái)的是行業(yè)整體的信用風(fēng)險(xiǎn)也在呈上升趨勢(shì),嚴(yán)重的影響行業(yè)穩(wěn)定向前。本文將我國(guó)互聯(lián)網(wǎng)消費(fèi)金融的信用風(fēng)險(xiǎn)作為研究對(duì)象。通過(guò)識(shí)別行業(yè)整體存在的信用風(fēng)險(xiǎn),探究其發(fā)生的原因、相關(guān)的影響因素,進(jìn)而提出針對(duì)性的防范建議。并希望以此有效降低行業(yè)發(fā)生信用違約的概率。首先,本文分別從借款人角度、平臺(tái)角度以及貸款人角度有效識(shí)別了我國(guó)互聯(lián)網(wǎng)消費(fèi)金融行業(yè)可能存在的信用風(fēng)險(xiǎn)。同時(shí),了解到現(xiàn)有的消費(fèi)金融服務(wù)平臺(tái)防范信用風(fēng)險(xiǎn)的模式主要有基于電商平臺(tái)的模式、基于社交平臺(tái)的模式以及依托同業(yè)合作的模式。其次,在有效識(shí)別信用風(fēng)險(xiǎn)的基礎(chǔ)上、分析其發(fā)生的可能原因。發(fā)現(xiàn)我國(guó)互聯(lián)網(wǎng)消費(fèi)...

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖5-3隨機(jī)森林示意圖

相似。CART中每一次對(duì)數(shù)據(jù)集進(jìn)行分類(lèi)都會(huì)降低基尼系數(shù)。相較于上面三種分類(lèi)算法，隨機(jī)森林算法本質(zhì)是在以決策樹(shù)為基學(xué)習(xí)器的基礎(chǔ)上構(gòu)建出的一種集成式分類(lèi)算法，基于底層的決策樹(shù)算法與它們并沒(méi)有任何區(qū)別。但是，隨機(jī)森林算法從整體層面給決策樹(shù)的分類(lèi)加入了更多的隨機(jī)屬性。每一個(gè)模型在訓(xùn)練階段....

圖5-4隨機(jī)森林精確度變化曲線

兇?龐?于隨機(jī)森林建模分析的工具包——scikit-learn庫(kù)中的randomForest模塊進(jìn)行實(shí)證分析。為檢驗(yàn)?zāi)Ｐ偷姆夯�能力，本文將原始�?shù)據(jù)集中的61460(占比70%)個(gè)樣本用于訓(xùn)練模型，剩下的26340(占比30%)個(gè)樣本用于檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)效果。隨機(jī)森林模型主要有決策樹(shù)....

本文編號(hào)：3971316