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.     

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。     

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SVM~(K-Means)的非均衡P2P网贷平台风险预测研究

P2P网贷平台的高速发展,降低了小微企业的借贷成本,提高了投资者的收益与效率,较好地满足了小微企业的融资需求.然而,现阶段中国的P2P网贷平台在发展过程中也暴露出大量的风险问题,不仅使投资者财富遭受损失,也严重危害了P2P行业的健康发展.因此,对P2P网贷平台进行早期风险预测,在风险问题未发生之前对投资者进行风险预警并为投资者提供投资辅助决策是目前学术界广受关注的一个热点研究问题.针对真实P2P网贷平台数据的类别分布非均衡性问题,文章提出了一种基于K-Means聚类和支持向量机(support vector machine,SVM)的非均衡分类方法SVM~(K-Means)用以预测P2P网贷平台风险.通过网贷之家真实数据并以经典的逻辑回归(logistic regression)、支持向量机以及神经网络(back propagation neural network)为基准方法进行的比较试验表明,文章提出的SVMK-Means方法能够更加准确地在早期进行P2P网贷平台风险预测.     

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.     

V-fold交叉验证和BP神经网络在信用评价中的应用

研究关于公司神经网络信用评估问题的现状，提出一套甄选方法准则。用于建立适合于我国企业的信用评分指标体系；然后依据该指标体系建立了基于BP回归神经网络的信用评估模型；采用V—fold交叉验证技术，利用样本公司实际指标数据对该模型的评分效果进行了实证研究。     

文本信息在P2P借贷平台违约评价中的作用——基于Multinomial Lasso-logistic模型

选取Lending Club 2007年1月至2016年3月的交易数据,运用Multinomial Lasso-logistic模型得到影响平台违约的关键因素并预测了违约概率.结果表明,出借人实际借款的总额、借款利率等因素对违约有显著的影响,此外与以往研究不同的是,发现由借款人提供的借款描述和借款标题等文本信息与违约之间显著负相关,说明当借款人提供更多的文本信息,将表现出相对较低的违约率.研究结论补充了现有文献的不足,对P2P平台的监管和投资者的决策提供了借鉴意义.     

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。     

基于分类回归树的个人信用客观评分指标体系(英文)

本文提出了一种客观的个人信用指标体系.首先利用分类回归树量化每个指标对信用状况的影响程度,并以此量化值为每个指标设置不同的评分权重;然后通过定义风险度量值来确定指标中各个取值的评分,进而建立了新的评估指标体系.通过选取现实样本数据对指标体系做了实证分析,分析结果表明,新建的指标体系能很好地对借款人进行风险评价.     

网络借贷平台双边用户交叉网络外部性研究:来自中国P2P网络借贷行业的经验证据

本文基于双边市场理论对网络借贷平台进行模型研究和实证检验,采用格兰杰因果检验方法对典型网络借贷平台样本进行了实证分析,研究结果表明借款人和出借人之间存在交叉网络外部性;且相比出借人而言,借款人是"鸡与蛋"问题的关键点。进而,本文构建了关于网络借贷行业的竞争性双边市场模型。我们发现的证据表明,出借人会寻求高利率的投资标的,借款人会寻求低利率的资金。同时,网络借贷平台上双边用户的数量与用户规模、撮合利率、交易量、借款期限等有关。本文的研究结果意味着,网络借贷平台发展的关键在于拓展借款人市场和平台交易规模,从而提升双边用户的外部性。     

行业内中小企业信用评估模型及应用

在对中国中小企业特点的分析基础上,建立起三层次的行业内中小企业信用评估指标体系。并将其中的财务状况指标体系单独列出,通过对20家安徽省农资中小企业的调查,以此行业为例,利用主成分分析法筛选变量.简化原指标系统,进一步利用Logistic函数对财务状况指标计算公式进行了修正.然后通过层次分析法对各层指标权重进行计算,建立起行业内中小企业信用评估模型.同时根据商业银行的放贷目的,对模型进行了进一步讨论,在确定银行贷款临界概率的基础上,利用中小企业信用评估模型建立起银行贷款决策模型,并代入2005年度上半年合肥丰乐种业股份有限公司的数据进行了实证分析.     

基于混合治愈模型的网络借贷投资组合决策模型与实证研究

作为互联网消费金融的一种新型模式,P2P借贷(peer-to-peer lending)凭借其高回报与低门槛的特点,吸引了众多投资者与借款人的关注.如何有效地实现在P2P平台贷款的投资组合决策,为不同投资者提供最佳投资方案极为重要.文章将投资组合决策转化为一个给定时间下的收益最大化、风险最小化的优化问题,通过引入混合治愈模型来改进基于实例的投资组合优化模型,使用核函数来刻画历史贷款与待投贷款的相似性,在此基础上通过混合治愈模型筛选终止时间小于给定时间的待投贷款,构建基于实例的模型,对投资者的投资组合决策进行优化.通过美国Lending Club的数据对本文模型进行实证分析,结果表明,文章模型有助于实现资金的合理化分配,使投资者获得时间、收益、风险三方面的权衡的投资组合决策.     

P2P保险的道德风险问题研究

伴随信息产业的快速发展和互联网保险的广泛运用,近几年来国际上出现了一种新型保险模式――P2P保险(Peer to Peer Insurance)。该模式基于互联网,通过聚集若干风险类型相似的投保人组建风险共担互助小组,风险互助小组成员间一般是亲戚、朋友等熟人关系。P2P保险形成的相互监督机制和声誉机制,可以较好地解决传统保险市场中存在的道德风险问题。本文利用经济学中的比较静态分析方法,研究了P2P保险的道德风险问题,并从理论上证明了在P2P保险模式下,投保人会倾向于更加努力防范风险以降低出险概率,道德风险问题可以得到有效缓解。     

农户信用评估系统的设计与运用研究

农户信用评估的研究对推动农村消费信用的发展，促进农村经济良好运行十分重要。本在构造农户信用评估的指标体系的基础上，提出了农户信用评估神经网络模型的算法，利用实际搜集到的农户资料进一步建立了农户信用评估模型，继而构造了农户信用评估系统，并举例说明了该系统的实际运用，以期能为农村经济发展中的农户信用评价及相关研究提供一丝基础性启发。     

直接标价更好么?——来自网络借贷平台的经验

随着交易数据和信用数据的积累和完善,网络借贷的利率定价机制逐步演化到平台直接标价的形式。国内一家代表性网络借贷平台经历了这一变化,本文用倾向性分数匹配法对这一变化进行估计。研究发现,平台识别风险的效率提高,改善了贷款质量,表现为违约率的降低。标价机制上调了原本狭窄的期限利率区分度,改善了平台呈现的信息质量,从而影响了投资人的投标行为,获得了更快的投标速度、更高的投标比例以及更弱的羊群行为。相对于平台原先"借款人选择利率-平台审核借款人"的利率形成机制,平台标价具有信息优势,能够根据大数据对借款人的风险进行准确定价,利率区分度的提高改善了平台的信息质量,并影响了投资人的投标行为。加入利率区分度的模型很好地解释了上述变化。这说明,标价机制实现了更高的定价效率,达到了改善平台经营的目的。     

P2P网贷违约人是否具有区域性特征——来自湖南省的例证

借助网络爬虫技术手段获取"人人贷"平台上借款人的各项信息,提取两个样本:分为全国随机样本和湖南省随机样本,构建二元Logit回归模型,分析其中对违约率有显著影响的变量.研究表明,负债收入比、借款期限、学历、房产、房贷、描述指数对违约行为有负向影响,而借款利率、车产、认证个数对借款者违约行为有正向影响.同时,通过对两个样本最终回归模型的比较,发现湖南省违约人特征与全国随机样本中体现的违约人特征基本一致,但其中较为特殊的是,在湖南拥有房产和车产不能作为网络借款人履约能力提升的标志.     

大数据背景下基于GRBF神经网络的P2P机构信用风险预警研究

针对P2P机构信用风险预警问题,提出了基于大数据思维的信用评估体系,采用基于动态特征的广义径向基神经网络对228家P2P机构12个月的高维数据指标进行信用风险评估.应用设计的广义径向基神经网络和BP神经网络进行对比,准确率分别为91.9%、85.2%,广义径向基神经网络在处理实时高维数据时表现出良好的性能,可以对我国P2P机构信用风险进行预警.同时深入对预警机构进行数据分析发现,如果企业资金流动性较差、净流入低也可能存在较高风险,企业应依据小额分散的借贷原则,降低借款集中度可以有效防范企业信用风险.     

基于混合式SMOTE和RF模型的小额贷款公司客户信用风险研究

小额借贷中的个人信用风险问题持续制约着小额贷款行业的健康可持续发展。针对小贷公司在进行信用风险评估时对高违约风险客户识别准确率较低的难题,运用混合式SMOTE、RF算法来同时处理业务数据中高维、非均衡两个问题。本文借助江苏J小贷公司的实例数据,依次构建随机森林(Random Forest, RF)模型、SMOTE-RF模型以及Borderline-SMOTE-RF模型并进行模型测试;再选用SVM算法进行对比实验以此衡量模型的信用风险评价精度。随后基于模型对于指标重要性的评分筛选出6项指标作为影响个人信用风险的关键指标。实验证明基于Borderline-SMOTE-RF算法对于小额贷款个人信用风险评价模型的分类性能最佳;在筛选关键指标时,为避免人工合成虚拟样本对指标重要性影响,需要结合三类模型评分进行综合选择。     

基于BP神经网络的行业间中小企业信用评估模型及应用

首先构建了行业间中小企业信用评估指标体系,然后利用安徽省不同行业的800家中小企业调查数据,将其分为训练样本集和测试样本集,对BP神经网络的构造进行讨论,确定BP神经网络的算法,建立起基于BP神经网络的行业间信用评估模型,并代入2003年度全国农业和工业的部分分行业数据进行实证,并对仿真结果做出分析,指出造成农、工行业信用较大差距的原因,并提出加强农业行业信用建设的建议.