網絡借貸個人信用評估模型

1、 網絡借貸個人信用評估模型 重慶大學碩士學位論文 (專業(yè)學位) 學生姓名：邱景誠 指導教師：馬 軍 教 授 學位類別：應用統(tǒng)計碩士 重慶大學數(shù)學與統(tǒng)計學院 二 O 一七年五月 重慶大學碩士學位論文 中文摘要 I 摘 要 網絡借貸是在互聯(lián)網金融浪潮中興起的一種新型金融服務模式， 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，實現(xiàn)了投資者和資金需求者的雙贏。該模式自 2007 年進入我國以來迅速發(fā)展，已成為我國互聯(lián)網

2、金融的重要組成部分。網絡借貸在快速發(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險使得貸款逾期率和壞賬率過高，使大量采取無抵押無擔保模式的網絡借貸平臺接連倒閉，因此急需一種適用于網絡借貸行業(yè)的個人信用評估方法，以降低網絡貸款的信用風險。 “大數(shù)據”應用的興起給網絡借貸行業(yè)提供了新的解決方案，通過數(shù)據挖掘（Data Mining）技術對用戶的各類數(shù)據進行深度挖掘，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，幫助網貸平臺控制貸款風險，減少違約損失。 本文針對當前網絡借貸行業(yè)面臨的風險控制問題， 將數(shù)據挖掘引入到個人信用評估中，利用隨機森林（Random Forest）算法構建個人信用評估模型，預測網貸申請者是否存在違約傾向，為網貸平臺提供貸款決策支持。為保證論文具有實際應用價值，本文以國內某規(guī)模較大的網貸平臺最近三個月的借貸數(shù)據為樣本進行實證分析。由于從網絡上獲取的數(shù)據質量難以保證，本文首先對原始數(shù)據進行預處理，包括連續(xù)型數(shù)值變量的標準

4、化、屬性變量的量化處理、對含有缺失值的樣本進行插補。原始數(shù)據中違約樣本和未違約樣本數(shù)量的比例嚴重失衡，因此本文使用 SMOTE 算法平衡正負樣本比例， 并根據隨機森林模型給出的特征重要性指標選擇分類效果較強的特征，以提高數(shù)據挖掘的質量。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；最后根據隨機森林模型預測的違約概率，對貸款申請者的信用水平