網(wǎng)絡(luò)借貸個人信用評估模型

1、 網(wǎng)絡(luò)借貸個人信用評估模型 重慶大學(xué)碩士學(xué)位論文 (專業(yè)學(xué)位) 學(xué)生姓名：邱景誠 指導(dǎo)教師：馬 軍 教 授 學(xué)位類別：應(yīng)用統(tǒng)計(jì)碩士 重慶大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院 二 O 一七年五月 重慶大學(xué)碩士學(xué)位論文 中文摘要 I 摘 要 網(wǎng)絡(luò)借貸是在互聯(lián)網(wǎng)金融浪潮中興起的一種新型金融服務(wù)模式， 通過第三方平臺匯攏投資者的小額資金，并貸款給有資金需求的人，實(shí)現(xiàn)了投資者和資金需求者的雙贏。該模式自 2007 年進(jìn)入我國以來迅速發(fā)展，已成為我國互聯(lián)網(wǎng)

2、金融的重要組成部分。網(wǎng)絡(luò)借貸在快速發(fā)展的同時也暴露出許多問題，尤其是無法有效控制信用風(fēng)險使得貸款逾期率和壞賬率過高，使大量采取無抵押無擔(dān)保模式的網(wǎng)絡(luò)借貸平臺接連倒閉，因此急需一種適用于網(wǎng)絡(luò)借貸行業(yè)的個人信用評估方法，以降低網(wǎng)絡(luò)貸款的信用風(fēng)險。 “大數(shù)據(jù)”應(yīng)用的興起給網(wǎng)絡(luò)借貸行業(yè)提供了新的解決方案，通過數(shù)據(jù)挖掘（Data Mining）技術(shù)對用戶的各類數(shù)據(jù)進(jìn)行深度挖掘，提取能直接或間接反映用戶信用狀況的特征，并利用模型客觀評價用戶的信用水

3、平，幫助網(wǎng)貸平臺控制貸款風(fēng)險，減少違約損失。 本文針對當(dāng)前網(wǎng)絡(luò)借貸行業(yè)面臨的風(fēng)險控制問題， 將數(shù)據(jù)挖掘引入到個人信用評估中，利用隨機(jī)森林（Random Forest）算法構(gòu)建個人信用評估模型，預(yù)測網(wǎng)貸申請者是否存在違約傾向，為網(wǎng)貸平臺提供貸款決策支持。為保證論文具有實(shí)際應(yīng)用價值，本文以國內(nèi)某規(guī)模較大的網(wǎng)貸平臺最近三個月的借貸數(shù)據(jù)為樣本進(jìn)行實(shí)證分析。由于從網(wǎng)絡(luò)上獲取的數(shù)據(jù)質(zhì)量難以保證，本文首先對原始數(shù)據(jù)進(jìn)行預(yù)處理，包括連續(xù)型數(shù)值變量的標(biāo)準(zhǔn)

4、化、屬性變量的量化處理、對含有缺失值的樣本進(jìn)行插補(bǔ)。原始數(shù)據(jù)中違約樣本和未違約樣本數(shù)量的比例嚴(yán)重失衡，因此本文使用 SMOTE 算法平衡正負(fù)樣本比例， 并根據(jù)隨機(jī)森林模型給出的特征重要性指標(biāo)選擇分類效果較強(qiáng)的特征，以提高數(shù)據(jù)挖掘的質(zhì)量。建模過程中采用啟發(fā)式方法選取模型的最優(yōu)參數(shù)，利用混淆矩陣（Confusion Matrix）評價模型整體性能，通過 ROC 曲線選擇最優(yōu)分類閾值；最后根據(jù)隨機(jī)森林模型預(yù)測的違約概率，對貸款申請者的信用水平