發(fā)布時間：2020-07-17 11:30

【摘要】：P2P網(wǎng)絡(luò)借貸行業(yè)是金融借貸領(lǐng)域的重要組成,在2014年與2015年增長幅度高達300%,在2016年與2017年回歸合規(guī)增長,但增長勢頭依舊迅猛。2017年網(wǎng)絡(luò)借貸行業(yè)總成交量達到2.8萬億,投資與借貸人數(shù)分別達1.7千萬人與2.2千萬人。P2P網(wǎng)絡(luò)借貸市場的資金成本決定其屬于次級市場,具有違約風險高的特征。P2P網(wǎng)絡(luò)借貸中的借貸關(guān)系可歸結(jié)為個人信用問題,因此,有必要提高個人信用評分精度以降低信用風險,保障投資人的利益。當前,個人信用評分模型的構(gòu)建一般只依賴接受樣本,但每年P(guān)2P網(wǎng)絡(luò)借貸中的拒絕樣本量常常占總借款申請量的90%,拋棄拒絕樣本只利用接受樣本建模,在非隨機數(shù)據(jù)缺失機制下將導(dǎo)致樣本選擇性偏差,降低個人信用評分模型的預(yù)測準確性,因此有必要利用拒絕推斷的方法將拒絕樣本融入“個人信用評分模型訓(xùn)練集”中。使用統(tǒng)計方法(外推法與倍增法)與半監(jiān)督學習算法(CPLE_LightGBM、S3VM、CPLE_RF、CPLE_LR)預(yù)測被拒絕樣本的履約違約狀況,獲得全樣本數(shù)據(jù)集。采用監(jiān)督學習算法(LightGBM、SVM、RF、LR)構(gòu)建基準模型�；�于人人貸與Lendingclub兩個借貸平臺的數(shù)據(jù)集進行實證分析,結(jié)果顯示:(1)拒絕推斷能夠提高個人信用評分模型的預(yù)測精度,且精度的提升主要源于對違約客戶預(yù)測正確性的提高。(2)基于不同算法構(gòu)建的個人信用評分模型的預(yù)測結(jié)果間存在統(tǒng)計意義上的差異,其中拒絕推斷條件下CPLE_LightGBM P2P網(wǎng)絡(luò)借貸個人信用評分模型的預(yù)測效果最優(yōu),該模型的構(gòu)建與引入在P2P網(wǎng)絡(luò)借貸個人信用評分領(lǐng)域存在實際意義。(3)拒絕推斷過程中,訓(xùn)練集的構(gòu)成對個人信用評分模型的預(yù)測結(jié)果存在影響。
【學位授予單位】：中國礦業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F724.6;F832.4

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 盧馨;李慧敏;;P2P網(wǎng)絡(luò)借貸的運行模式與風險管控[J];改革;2015年02期

2 王磊;范超;解明明;;數(shù)據(jù)挖掘模型在小企業(yè)主信用評分領(lǐng)域的應(yīng)用[J];統(tǒng)計研究;2014年10期

3 劉建偉;劉媛;羅雄麟;;半監(jiān)督學習方法[J];計算機學報;2015年08期

4 張景肖;魏秋萍;姜玉霞;張波;;基于兩階段思想處理拒絕推斷的信用評分模型[J];數(shù)理統(tǒng)計與管理;2012年06期

5 魏秋萍;張景肖;張波;;基于核函數(shù)法進行拒絕推斷的信用評分模型[J];統(tǒng)計與決策;2012年12期

6 黃葉傝;齊曉雯;;網(wǎng)絡(luò)借貸中的風險控制[J];金融理論與實踐;2012年04期

7 鄧超;胡威;唐瑩;;基于拒絕推論的小企業(yè)信用評分模型研究[J];國際金融研究;2011年04期

8 尹群;;信用評分模型中的拒絕推斷[J];商場現(xiàn)代化;2010年27期

9 楊彬;李育林;張浩智;;一種全新的兩階段個人信用評分方法探究[J];上海金融;2010年04期

10 梁吉業(yè);高嘉偉;常瑜;;半監(jiān)督學習研究進展[J];山西大學學報(自然科學版);2009年04期

本文編號：2759377