P2P網(wǎng)絡(luò)借貸是互聯(lián)網(wǎng)金融創(chuàng)新的重要形式。在目前我國監(jiān)管力度加大、備案工作推進和完成的背景下,我國P2P個人借貸行業(yè)并沒有一套完善的針對借款人信用評估或風險識別的體系,因此本文重點關(guān)注平臺中借款人的信用評估,尤其是個人信息對其借貸信用評估產(chǎn)生的影響,主要采取的是美國巨頭平臺Lending Club的數(shù)據(jù),通過對Lending Club平臺借款人的信息進行基于多種算法的建模分析,得到不同算法在借款人信用評估上的效果以及不同的個人信息對于信用評估的有效性。針對信用評估,當前的主流方法是Logistic回歸、隨機森林、支持向量機等算法,而基于梯度提升方法的模型未得到足夠的關(guān)注,特別是近年來在數(shù)據(jù)挖掘等領(lǐng)域廣泛使用的LightGBM算法,作為梯度提升樹算法的一種高效且快速的改進,在借貸評估領(lǐng)域只有極少研究,而且其效果并未與其他常用的數(shù)據(jù)挖掘算法進行比較。本文就以LightGBM這一模型為重點,探討了多種算法的效果,比較得出了 LightGBM在效果和速度上都具有優(yōu)勢這一結(jié)論,希望能夠為我國今后的網(wǎng)貸行業(yè)識別借款人風險提供模型上的建設(shè)性建議,促進P2P行業(yè)健康有序發(fā)展。本文以Lending Cl...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 P2P借貸信用評估的國內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 國外研究歷史與現(xiàn)狀
        1.2.2 國內(nèi)研究歷史與現(xiàn)狀
        1.2.3 文獻評述
    1.3 本文的主要貢獻與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 P2P網(wǎng)絡(luò)借貸相關(guān)理論基礎(chǔ)
    2.1 P2P網(wǎng)絡(luò)借貸概述
    2.2 P2P網(wǎng)絡(luò)借貸的特點
    2.3 P2P網(wǎng)絡(luò)借貸的發(fā)展現(xiàn)狀
    2.4 信用風險產(chǎn)生的原因
    2.5 本章小結(jié)
第三章 P2P信貸評估模型基礎(chǔ)
    3.1 借貸信用評估模型
        3.1.1 Logistic回歸
        3.1.2 隨機森林
        3.1.3 BP神經(jīng)網(wǎng)絡(luò)
        3.1.4 LightGBM
    3.2 分類模型評價指標
    3.3 基于模型的特征重要度理論
        3.3.1 Logistic回歸的特征重要度
        3.3.2 BP神經(jīng)網(wǎng)絡(luò)的特征重要度
        3.3.3 隨機森林的特征重要度
        3.3.4 LightGBM模型的特征重要度
    3.4 本章小結(jié)
第四章 P2P信貸評估實證研究
    4.1 Lending Club平臺簡介
    4.2 數(shù)據(jù)獲取和分析
        4.2.1 探索性數(shù)據(jù)分析
        4.2.2 特征預(yù)數(shù)值化
        4.2.3 缺失值補全
        4.2.4 特征縮放
        4.2.5 數(shù)據(jù)不平衡處理
        4.2.6 遞歸式特征消除
        4.2.7 特征相關(guān)性分析
    4.3 模型測試與分析
        4.3.1 Logistic回歸
        4.3.2 隨機森林模型評估
        4.3.3 BP神經(jīng)網(wǎng)絡(luò)模型評估
        4.3.4 LightGBM模型評估
        4.3.5 模型綜合評估
    4.4 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻



本文編號：3987696