互联网金融风险识别中类平衡处理方法对比研究——以拍拍贷为例

摘要：

互联网金融的快速发展,使得P2P成为一种创新的金融模式,如何识别出网贷中的潜在风险成为研究热点.网贷交易数据常常存在严重的不平衡,导致风险识别率较低.针对这一问题,文中采用随机下采样、SMOTE和Bag-ging方法进行类平衡处理,利用逻辑回归和支持向量分类机进行检验评价.实验表明,在P2P风险识别中,以召回率为标准,bagging的平衡处理效果优于随机下采样与SMOTE,且逻辑回归不存在明显的过拟合,所以其他SVC更适合用于P2P逾期风险识别.

关键词：类不平衡、逾期识别、集成学习、重采样

所属期刊栏目：46

分类号：F832.39;TP181(金融、银行)

资助基金：上海市哲学社会科学规划课题2018BJB023;国家社会科学重大课题16ZDA055

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：595-598,608