P2P网贷平台风险预测研究

随着大数据和机器学习的流行,其在破产预测和风险预测领域逐渐崭露头角。本文运用爬虫技术得到885家网贷平台的16815条数据,通过因子分析及模型验证挖掘出了若干能较好评估P2P平台风险的因子。然后本文通过选取的指标体系建立了Logistics回归、支持向量机、BP神经网络、LightGBM等单模型以及融合模型进行学习训练,所建立的融合模型在测试集中得到最高的准确率,说明本文所建的融合模型能较好地评估网贷平台的风险。本文还选取决策树绘图以及对特征进行重要性排名,选取出了对识别问题平台有重要作用的十项特征。这对投资者选取安全平台进行投资或者监管者选取重点平台进行监管有很好的借鉴意义。     

基于改进TOPSIS法的P2P网贷平台运营效率评价

近年来,P2P网络借贷发展迅猛,吸引了来自金融、经济、管理等诸多领域研究人员越来越多的关注.如何结合运营数据对P2P网贷平台效率进行综合评价,这对P2P网贷平台的运营管理和投资者的投资决策有着十分重要的影响,目前关于这方面的研究相对欠缺.鉴于此,文章提出数据驱动赋权的改进TOSPSIS法对P2P网贷平台效率进行综合评价.首先,针对TOPSIS法存在的主观权重问题,提出数据驱动赋权的数学模型;其次,利用教与学优化算法确定最优权重,以最大化赋权前后数据的一致性和权重的客观性;最后,结合网贷之家的运营数据应用改进TOPSIS法对100家P2P网贷平台效率进行综合评价.结果表明,基于改进TOPSIS法的评价结果和网贷之家的评价结果具有较高的一致性.     

基于改进TOPSIS法的P2P网贷平台运营效率评价北大核心CSCD

近年来,P2P网络借贷发展迅猛,吸引了来自金融、经济、管理等诸多领域研究人员越来越多的关注.如何结合运营数据对P2P网贷平台效率进行综合评价,这对P2P网贷平台的运营管理和投资者的投资决策有着十分重要的影响,目前关于这方面的研究相对欠缺.鉴于此,文章提出数据驱动赋权的改进TOSPSIS法对P2P网贷平台效率进行综合评价.首先,针对TOPSIS法存在的主观权重问题,提出数据驱动赋权的数学模型;其次,利用教与学优化算法确定最优权重,以最大化赋权前后数据的一致性和权重的客观性;最后,结合网贷之家的运营数据应用改进TOPSIS法对100家P2P网贷平台效率进行综合评价.结果表明,基于改进TOPSIS法的评价结果和网贷之家的评价结果具有较高的一致性.     

基于BP神经网络的P2P网贷借款人信用评估

评估借款人信用是P2P网贷公司控制风险的重要步骤,对于网贷公司的正常运行有着极其重要的意义。论文参考商业银行信用指标体系并根据P2P网贷自身特点,建立了P2P网贷借款人的信用评估指标体系。根据建立的指标体系构建相应的BP神经网络模型,并利用一步正切法进行优化。然后选取具有代表性的P2P网贷平台的相关数据,对该模型进行训练和仿真,证明了该模型对P2P网贷平台的风险控制起到一定的作用。     

大气中臭氧含量分析预测的支向量机模型

以俄亥俄州(O h io)的气象、臭氧监测数据为基础,对一个监测点数据进行了分析处理,运用支持向量机回归方法,对气象指标的多参数样本进行学习,获得精确的支持向量机映射关系,并对臭氧含量进行预测.预测结果的误差较小,符合实际情况,能够较好的解决实际问题,说明支持向量机回归在预测上具有小的结构风险与强的泛化能力.     

一种预测接地网腐蚀速率的新方法

针对目前接地网腐蚀预测中的涉及因素较多,提出了基于向量相似度与支持向量回归机(S-SVR)的综合的预测方法应用于变电站接地网腐蚀速率预测模型中.首先将影响接地网腐蚀速率的指标视为1个特征向量并进行无量纲化处理,其次计算各个训练站点的特征向量与实测站点指标向量的相似度;再次,在预测腐蚀速率时,针对传统线性贡献度平均法(LAM)描述非线性存在较大误差的缺陷,提出了先筛选相似度较高训练集再结合支持向量回归机训练模型.经验证,基于向量相似度与支持向量回归机(S-SVR)的综合预测方法预测能力较好.     

野蛮生长的P2P江湖

自2007年国内首家P2P平台“拍拍贷”成立起，P2P网贷这一源自西方发达国家的“舶来品”在中国市场上展现出了强悍的繁殖能力。短短7年内，无论是P2P平台的数量、存量资金、还是整体的交易量、投资者数量，都发生了翻天覆地的变化。尤其是2014年以来，P2P行业更是火爆异常，越来越多的精英、草根、巨贾、骗子开始涌入这个正在“井喷”的市场。     

基于灰色关联分析的支持向量机的铁路货运量预测研究

采用基于灰色关联分析的支持向量机对铁路货运量进行预测.首先利用灰色关联分析法对影响铁路货运量的因素进行分析处理,然后利用基于高斯核函数的支持向量回归机建立了铁路货运量预测模型.通过分析预测结果可以发现,经过灰色关联分析后的支持向量机模型对复杂的铁路货运量数据有较好地处理能力,且预测相对误差较小.特别地,由于支持向量机的适应性,该模型具有较高的泛化能力,对影响因素较为复杂,样本数量小的预测问题可以提供一定参考.     

基于熵权灰色关联TOPSIS法的涉农P2P网贷项目优选研究

随着"互联网+农业"的逐步深入,涉农P2P网贷将成为缓解农民借款难的有效途径,建立涉农P2P网贷项目优选模型对保障资金借出者的资金安全和收益具有很好的现实意义.根据ECIRM模型从5个维度建立衡量信用风险及还款能力的涉农P2P网贷项目评价指标体系,在资金借出者根据自己的要求对借款项目初步筛选的基础上,建立网贷项目优选模型,利用熵权灰色关联TOPSIS法对网贷项目进行优选排序,为出资者决策提供参考依据.     

基于支持向量机混合采样的不平衡数据分类方法

利用传统支持向量机(SVM)对不平衡数据进行分类时,由于真实的少数类支持向量样本过少且难以被识别,造成了分类时效果不是很理想.针对这一问题,提出了一种基于支持向量机混合采样的不平衡数据分类方法(BSMS).该方法首先对经过支持向量机分类的原始不平衡数据按照所处位置的不同划分为支持向量区(SV),多数类非支持向量区(MN...     

基于投资者风险偏好的上市公司投资价值分类模型

从投资者的角度出发,建立上市公司投资价值分类模型.提出基于投资者风险偏好变量的分类模型,并采用广义最小二乘支持向量机进行求解.实证分析表明,模型能很好的体现投资者的风险偏好,并且算法也能针对问题有效的进行处理,在机器学习方法中融入投资者的个人决策具有可行性和有效性.     

加权支持向量机在证券指数预测中的研究

支持向量机是基于统计学习理论的新一代学习机器.它使用结构风险最小化原则,运用核技巧,较好地解决了学习问题.本文提出了一种基于支持向量机的加权算法,并将其应用于证券,指数预测.与径向基神经网络相比较,加权支持向量机表现出了良好的性能.     

装备费用预测中的混合核函数支持向量机

在支持向量机预测建模中,核函数用来将低维特征空间中的非线性问题映射为高维特征空间中的线性问题.核函数的特征对于支持向量机的学习和预测都有很重要的影响.考虑到两种典型核函数—全局核(多项式核函数)和局部核(RBF核函数)在拟合与泛化方面的特性,采用了一种基于混合核函数的支持向量机方法用于预测建模.为了评价不同核函数的建模效果、得到更好的预测性能,采用遗传算法自适应进化支持向量机模型的各项参数,并将其应用于装备费用预测的实际问题中.实际计算表明采用混合核函数的支持向量机较单一核函数时有更好的预测性能,可以作为一种有效的预测建模方法在装备管理中推广应用.     

基于主成分分析的支持向量机模型对上海房价的预测研究

采用基于主成分分析的支持向量机方法对上海房价进行预测.首先利用主成分分析法对原始数据进行降维处理,然后利用具有高水平的小样本学习能力的支持向量机进行预测模型的建立,对上海房价进行预测.实证显示,经过主成分分析的支持向量机模型能够较好地处理复杂的房地产数据,具有较高的预测能力,为上海房地产业的发展提供参考.特别地,该模型可以普遍应用于影响因素众多,时效性较强的短期小样本数据问题的预测,具有较高的泛化能力和很好的预测精度.     

基于支持向量回归机的水文混沌时间序列预测

支持向量机在系统辨识和分类研究方面比较成熟,目前尚没有提出有效的支持向量回归理论来解决非线性、时变、干扰的复杂问题.支持向量回归机主要用于因果关系点对的回归预测,把支持向量回归机应用于水文混沌时间序列的预测研究是一个有意义的工作.在支持向量机一般理论基础上,提出了水文混沌时间序列支持向量回归机模型,并就模型进行仿真计算,讨论了模型参数对支持向量回归机预测精度的影响,为模型参数寻优提供一般指导原则.直门达水文站径流量混沌时间序列支持向量回归机预测实验表明,水文混沌时间序列支持向量回归机模型是有效的.     

基于PCA与NSSVR的人口老龄化研究

基于非线性光滑支持向量回归机研究了人口老龄化问题.首先介绍了非线性光滑支持向量回归机(NSSVR);其次,提出了人口老龄化影响体系,利用主成分分析(PCA),在体系基础上提取出对老龄化影响明显的9个指标;再次,通过非线性光滑支持向量回归机模型建立了老龄化率与9个影响指标间的相互关系;最后,用非线性光滑支持向量回归机模型对未来人口老龄率进行预测.实证表明,方法具有很好的预测效果.     

结构可靠性分析的支持向量机方法

针对结构可靠性分析中功能函数不能显式表达的问题,将支持向量机方法引入到结构可靠性分析中．支持向量机是一种实现了结构风险最小化原则的分类技术,它具有出色的小样本学习性能和良好的泛化性能,因此提出了两种基于支持向量机的结构可靠性分析方法．与传统的响应面法和神经网络法相比,支持向量机可靠性分析方法的显著特点是在小样本下高精度地逼近函数,并且可以避免维数灾难．算例结果也充分表明支持向量机方法可以在抽样范围内很好地逼近真实的功能函数,减少隐式功能函数分析（通常是有限元分析）的次数,具有一定的工程实用价值．     

我国专利申请量的支持向量机预测模型研究

运用支持向量机(support vector machine,SVM)和浮点遗传算法相结合的方法对我国专利申请量进行预测。数据仿真显示支持向量机预测方法比人工神经网络和逻辑回归方法有更高的预测精度,结果显示运用浮点遗传算法参数选取的支持向量机方法对我国专利申请量进行预测是可行和有效的。     

网络小额贷款业务个人信用风险评估——基于DNN-SMOTEENN-ExtraTrees组合模型

针对网络小额贷款业务,构建组合模型DNN-SMOTEENN-ExtraTrees评估网络小贷信用风险.首先利用SMOTEENN算法处理样本数据中“好”和“坏”样本分布极端不平衡情况,再利用极端随机数算法ExtraTrees对特征重要性进行评估并剔除无关变量,最后采用深度神经网络DNN评估网络小贷个人信用风险.通过召回率、精确度、F1值和AUC值等模型性能评价指标,与BP神经网络模型、Logistic回归及支持向量机比较,发现组合模型分类能力更显著,泛化能力更加优异,更适合数据规模大、维度高的网络小贷市场评估信用风险.     

P2P网络借贷市场利率主导权偏离程度的研究——基于双边随机前沿模型

近年来P2P网络借贷作为一种典型的互联网金融模式获得了跳跃式的发展,由于借贷双方信息不对称,导致我国P2P网贷市场利率普遍偏高。本文利用双边随机前沿分析(SFA)方法对我国P2P网贷市场借贷双方利率主导权力进行测算,并对借贷双方的主导权力对贷款利率的影响效应进行定量分析,同时对借款者个体特征对借贷双方利率主导权力的影响进行比较分析。实证结果表明,出借方拥有明显的主导权力,随着学历、年龄、收入、信用等级的增高,借款人地位将有所改善。