網(wǎng)絡(luò)借貸個(gè)人信用評(píng)估模型

1、 網(wǎng)絡(luò)借貸個(gè)人信用評(píng)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(chéng) 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(guò)第三方平臺(tái)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(guó)以來(lái)迅速發(fā)展，已成為我國(guó)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(shí)也暴露出許多問(wèn)題，尤其是無(wú)法有效控制信用風(fēng)險(xiǎn)使得貸款逾期率和壞賬率過(guò)高，使大量采取無(wú)抵押無(wú)擔(dān)保模式的網(wǎng)絡(luò)借貸平臺(tái)接連倒閉，因此急需一種適用于網(wǎng)絡(luò)借貸行業(yè)的個(gè)人信用評(píng)估方法，以降低網(wǎng)絡(luò)貸款的信用風(fēng)險(xiǎn)。 “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(guò)數(shù)據(jù)挖掘（Data Mining）技術(shù)對(duì)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(píng)價(jià)用戶的信用水

3、平，幫助網(wǎng)貸平臺(tái)控制貸款風(fēng)險(xiǎn)，減少違約損失。 本文針對(duì)當(dāng)前網(wǎng)絡(luò)借貸行業(yè)面臨的風(fēng)險(xiǎn)控制問(wèn)題， 將數(shù)據(jù)挖掘引入到個(gè)人信用評(píng)估中，利用隨機(jī)森林（Random Forest）算法構(gòu)建個(gè)人信用評(píng)估模型，預(yù)測(cè)網(wǎng)貸申請(qǐng)者是否存在違約傾向，為網(wǎng)貸平臺(tái)提供貸款決策支持。為保證論文具有實(shí)際應(yīng)用價(jià)值，本文以國(guó)內(nèi)某規(guī)模較大的網(wǎng)貸平臺(tái)最近三個(gè)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(duì)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(duì)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(guò)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(píng)價(jià)模型整體性能，通過(guò) 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(cè)的違約概率，對(duì)貸款申請(qǐng)者的信用水平