基于集成学习的中国P2P网络借贷信用风险预警模型的对比研究

摘要：

[目的]结合实际的中国网贷数据,通过对不同流行集成方法的对比分析,探索合适中国网贷信用风险监测的集成方法,从而提高对中国网贷平台信用风险的监测效率.[方法]基于人人贷交易数据,从借款人的5个方面提取特征信息并运用随机森林算法进行特征筛选,基于此运用4种集成算法和5种基分类器,构建信用风险预警模型实现对比分析.[结果]实验结果表明,Rotation Forest的准确度最高为99.32％,误差率仅为1.71％.而且基于随机森林的特征选择过程能够提高相关模型的性能.[局限]实验数据集有待进一步扩充.[结论]RotationForest集成模型与识别风险的重要因素结合,可以显著提高信用风险预测效率.

关键词：集成学习、特征选择、P2P网络借贷、信用风险

所属期刊栏目：2

分类号：F832.4;G35(金融、银行)

资助基金：国家自然科学基金项目“基于多维证据理论的科学基金立项评估信息融合研究”项目71774047的研究成果之一

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：65-76