基于Logistic回归的信用大数据处理算法研究

摘要：

P2P是一种新型的互联网金融借贷方式,近年来P2P平台却频繁出现安全问题.造成此类现象的主要原因是借贷人的个人信用评估不准确而导致的连锁反应,因此对借贷人的信用数据进行有效评估可以直接降低P2P平台的信用风险.经典的信用数据处理方法无法对现代信贷领域的海量信贷数据进行精准分析,且传统的Logistic回归模型在变量较多的情况下会产生线性干扰.文中在对传统Logistic模型进行修正的基础上,加入了Lasso惩罚项以约束函数概率的估计值.实验测试结果表明,加入惩罚因子的Logistic回归模型预测结果最为精确,其AUC值相较于专家评估法与Logistic模型分别提高了6.4％和13.3％,证明文中所提出的改进Logistic模型可以准确地评估个人的信用能力,进而提示P2P平台有效地规避信用风险.

关键词：P2P平台;信用数据分析;Logistic回归;惩罚因子;AUC值;信用风险;预测分析

所属期刊栏目：44

分类号：TN919-34;TP391

资助基金：江西省科技厅自然科学基金项目;江西省教育厅科学技术研究项目

在线出版日期：2021-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：141-144