基于机器学习模型的P2P网贷平台风险预警研究

摘要：

本文利用大数据网络爬虫技术收集了网贷第三方网站平台的公开数据,利用机器学习模型对网贷平台的非法集资风险进行了预警研究,比较了传统机器学习方法(以逻辑回归和决策树模型为代表)与前沿机器学习模型(以随机森林模型和XGBoost模型为代表)在多个预测指标上的静态预警效能,并在动态预警框架下研究了网贷平台全生命周期内各模型的动态预警效果.研究表明,传统与前沿机器学习模型均表现出了优良的预警效果,传统模型的准确率略低于前沿模型,但决策树模型在重要检出率指标上的表现优于其他模型.在动态预警框架下,本文发现在平台全生命周期内,所采用机器学习模型的预警效果随时间的变化呈现波动上升并在2017年后缓慢下降的趋势.虽然该趋势与我国网贷行业的发展和监管现状相符,但也表明预警模型的使用者应积极寻找表外指标,进一步挖掘网贷平台的深层次指标以稳定预警效果.

关键词：P2P网络借贷、风险、机器学习、动态预警

分类号：F832.5(金融、银行)

资助基金："江西省经济犯罪侦查与防控技术协同创新中心"重点招标课题"基于大数据的网络非法集资风险预警模型研究"阶段性成果

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：18-25