面向P2P網(wǎng)絡借貸平臺的大數(shù)據(jù)個人用戶信用風險控制研究
發(fā)布時間:2024-05-19 21:30
大數(shù)據(jù)時代下,隨著互聯(lián)網(wǎng)金融行業(yè)的快速成長,網(wǎng)絡金融服務渠道逐漸豐富,金融服務也逐漸多元化,P2P網(wǎng)貸平臺運營面臨的環(huán)境也越來越復雜。P2P網(wǎng)絡借貸平臺對個人用戶行為模式的認識、金融風險安全的認識、經(jīng)濟發(fā)展新趨勢的認識等等均需要重新確立。在此情況下,網(wǎng)貸平臺面臨的風險日趨復雜化,多樣化,針對網(wǎng)絡借貸平臺的個人信用風險控制模型和體系亟待重構和優(yōu)化。本文將針對P2P網(wǎng)貸平臺為應用對象,研究基于大數(shù)據(jù)技術的信用風險控制模型。本文首先分析討論了大數(shù)據(jù)背景下P2P網(wǎng)貸平臺發(fā)展現(xiàn)狀與面臨的主要挑戰(zhàn),并分別從傳統(tǒng)風險控制的現(xiàn)狀和方法兩個維度去分析其所面臨的困境。研究分析了互聯(lián)網(wǎng)金融迅速發(fā)展帶來的金融數(shù)據(jù)多樣性問題,以及它對傳統(tǒng)風控模型的沖擊;并從信息不對稱理論出發(fā),對平臺借貸匹配率問題給出了理論解釋。對于現(xiàn)有的P2P信用風控模型,本文重點分析了討論了其設計客觀性問題和隱含信息發(fā)掘問題,從而引出本文針對以上問題的解決方法研究。對于第一類的現(xiàn)狀問題,即數(shù)據(jù)多樣性和信息不對稱引發(fā)的分析困境,本文提出了一種基于大數(shù)據(jù)分析的P2P網(wǎng)貸平臺信用評估模型,在傳統(tǒng)信用指標基礎上,加入了對用戶個性與品質的評估,即軟信...
【文章頁數(shù)】:61 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.2 研究意義
1.3 論文的主要研究內容
1.4 論文組織結構和創(chuàng)新點
第二章 文獻綜述
2.1 國內外P2P網(wǎng)貸平臺個人用戶信用風險控制研究綜述
2.2 國內外基于大數(shù)據(jù)的風險控制研究綜述
2.3 本章小結
第三章 P2P網(wǎng)貸平臺的行業(yè)現(xiàn)狀及信用風險控制存在的主要問題
3.1 P2P網(wǎng)貸平臺的行業(yè)現(xiàn)狀
3.2 P2P網(wǎng)貸平臺信用風險控制存在的問題
3.2.1 傳統(tǒng)P2P網(wǎng)貸平臺信用風險控制存在的問題
3.2.2 基于大數(shù)據(jù)的P2P網(wǎng)貸平臺信用風險控制存在的問題
3.3 本章小結
第四章 基于軟信息對P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價的改進
4.1 基于軟信息的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價研究概述
4.2 基于軟信息的P2P網(wǎng)貸平臺大數(shù)據(jù)風險評價模型改進思路
4.2.1 采用大數(shù)據(jù)技術
4.2.2 引入軟信息評價指標
4.2.3 利用隨機森林算法進行指標優(yōu)化
4.3 基于軟信息的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價改進模型的構建
4.3.1 數(shù)據(jù)準備
4.3.2 基于隨機森林指標優(yōu)化
4.4 實例驗證及結果對比分析
4.4.1 實例計算與結果
4.4.2 實驗結果對比
4.5 本章小結
第五章 基于深度學習對P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價的改進
5.1 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險控制研究概述
5.2 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價改進思路
5.2.1 引入深層次網(wǎng)絡模型
5.2.2 純數(shù)據(jù)樣本訓練優(yōu)化
5.2.3 結合時間序列分析方法
5.3 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)風險評價改進模型的構建
5.3.1 數(shù)據(jù)準備
5.3.2 訓練集和測試集
5.3.3 時間序列處理
5.3.4 卷積神經(jīng)網(wǎng)絡架構
5.4 實例驗證和對比分析
5.4.1 模型評價指標
5.4.2 模型對比分析
5.4.3 指標對比分析
5.4.4 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價模型的應用及使用價值
5.5 本章小結
第六章 總結與展望
6.1 主要工作總結
6.2 研究展望
致謝
參考文獻
作者簡介
本文編號:3978485
【文章頁數(shù)】:61 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.2 研究意義
1.3 論文的主要研究內容
1.4 論文組織結構和創(chuàng)新點
第二章 文獻綜述
2.1 國內外P2P網(wǎng)貸平臺個人用戶信用風險控制研究綜述
2.2 國內外基于大數(shù)據(jù)的風險控制研究綜述
2.3 本章小結
第三章 P2P網(wǎng)貸平臺的行業(yè)現(xiàn)狀及信用風險控制存在的主要問題
3.1 P2P網(wǎng)貸平臺的行業(yè)現(xiàn)狀
3.2 P2P網(wǎng)貸平臺信用風險控制存在的問題
3.2.1 傳統(tǒng)P2P網(wǎng)貸平臺信用風險控制存在的問題
3.2.2 基于大數(shù)據(jù)的P2P網(wǎng)貸平臺信用風險控制存在的問題
3.3 本章小結
第四章 基于軟信息對P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價的改進
4.1 基于軟信息的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價研究概述
4.2 基于軟信息的P2P網(wǎng)貸平臺大數(shù)據(jù)風險評價模型改進思路
4.2.1 采用大數(shù)據(jù)技術
4.2.2 引入軟信息評價指標
4.2.3 利用隨機森林算法進行指標優(yōu)化
4.3 基于軟信息的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價改進模型的構建
4.3.1 數(shù)據(jù)準備
4.3.2 基于隨機森林指標優(yōu)化
4.4 實例驗證及結果對比分析
4.4.1 實例計算與結果
4.4.2 實驗結果對比
4.5 本章小結
第五章 基于深度學習對P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價的改進
5.1 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險控制研究概述
5.2 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價改進思路
5.2.1 引入深層次網(wǎng)絡模型
5.2.2 純數(shù)據(jù)樣本訓練優(yōu)化
5.2.3 結合時間序列分析方法
5.3 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)風險評價改進模型的構建
5.3.1 數(shù)據(jù)準備
5.3.2 訓練集和測試集
5.3.3 時間序列處理
5.3.4 卷積神經(jīng)網(wǎng)絡架構
5.4 實例驗證和對比分析
5.4.1 模型評價指標
5.4.2 模型對比分析
5.4.3 指標對比分析
5.4.4 基于深度學習的P2P網(wǎng)貸平臺大數(shù)據(jù)信用風險評價模型的應用及使用價值
5.5 本章小結
第六章 總結與展望
6.1 主要工作總結
6.2 研究展望
致謝
參考文獻
作者簡介
本文編號:3978485
本文鏈接:http://www.lk138.cn/jingjilunwen/guojimaoyilunwen/3978485.html