大数据背景下网络借贷的信用风险评估--以人人贷为例

摘要：

在大数据时代，网贷平台每天流动着海量交易数据。为充分利用这些数据控制信用风险，运用数据挖掘算法建立了信用风险评估模型。由于网贷数据多为非平衡数据，所以通过多次尝试使用SMOTE算法进行处理，提高了模型评估性能。研究发现：随机森林模型更适合用于信用风险评估，其次是CART、ANN、C4．5。用户的婚姻、房／车产（贷）等信息重要程度较低，而公司规模、工作时间等信息，历史借款、信用评分等信用档案信息在信用风险评估中尤为重要。

关键词：P2P网络借贷、非平衡数据、SMOTE算法、数据挖掘、随机森林

所属期刊栏目：31

分类号：F832;C812(金融、银行)

资助基金：国家自然科学基金面上项目《带Lévy跳的多因子市道轮换框架下的仿射利率结构模型》71471075；教育部人文社会科学研究一般项目《基于市道轮换框架下带Lévy跳的高频数据的波动率》14YJAZH052；中央高校基本科研业务费专项资金资助项目“暨南跨越计划”《PMCMC算法在市道轮换框架下利率结构模型中的应用》15JNKY003

在线出版日期：2016-06-16（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：41-48