10.19337/j.cnki.34-1093/f.2018.02.006
基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测
利用L1惩罚Logit模型,实证检验P2P网贷信用违约的关键影响因素;并利用混淆矩阵与ROC曲线等分类评价方法,检验模型的违约预测效果.研究发现:L1惩罚Logit模型具有很好的变量选择功能,可以有效地识别影响信用违约的关键因素,降低管理者的监管成本;L1惩罚Logit模型能够获得比普通Logit模型、支持向量机等更好的预测效果,既能够从总体上实现对信用违约状态的准确预测,又能够细致分析关键影响因素对违约概率造成的影响,有助于预测和控制信用风险的发生.
P2P网络借贷、信用风险、L1惩罚Logit模型
29
F832.479(金融、银行)
国家自然科学基金项目“面向交易和服务过程的民营中小型银行经营模式及相关政策研究”71403001
2018-05-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
54-63