基于大数据的P2P金融风险控制系统的设计与实现

发布时间：2023-08-29 21:29

　　随着我国消费结构从生存型向着发展型和品质型消费过渡,我国消费金融迎来爆发。互联网消费金融的代表P2P网贷(Pear-to-Pear Leading)行业蓬勃发展,使得贷款更加方便快捷,同时也促进了社会消费水平的提高。但是目前的贷款需求呈现小额化和快速化的趋势,使得P2P网贷的模式也面临着挑战。现有贷款产品的授信源主要是靠抓取用户征信报告,抓取用户信用卡账单等方式。此类方式存在两大弊端,一是获取不及时,二是用户的征信报告以及信用卡的使用率底,信息覆盖率底,无法为每一位潜在用户提供服务。在面临挑战的同时,移动支付在我国的普及为新的贷款模式提供了基础。P2P金融风险控制系统主要是针对新形势下网贷需求所建立的,对用户的网络消费、移动支付、移动通讯等信息进行综合分析,为系统上下游的放贷和进件过程提供决策,保障系统高效、高收益地完成网贷任务。本系统本质是一个基于Web.py的RESTFul服务提供方。模型的训练开发以及数据的存储是建立在Hadoop生态之上的,这样保证了海量数据的存储以及数据运算的速度。本系统主要任务是为整个产品线提供用户的风险决策,包括是否放款、放款金额以及利率等。本系统中主要针...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 引言
    1.1 论文的背景与意义
    1.2 国内外发展现状
        1.2.1 国外P2P网贷行业及其风险控制现状
        1.2.2 国内P2P网贷行业现状
        1.2.3 国内P2P网贷行业风险控制现状
    1.3 论文主要内容及组织结构
    1.4 本章小结
2 相关技术概述
    2.1 Web.py框架
    2.2 RESTful架构及REST服务
    2.3 Hive数据仓库
    2.4 特征工程
        2.4.1 特征预处理
        2.4.2 特征选择
        2.4.3 降维
    2.5 其他公式
        2.5.1 WOE值以及IV值
        2.5.2 Ks值
    2.6 本章小结
3 金融风险控制系统需求分析
    3.1 P2P产品线整体项目介绍
    3.2 风险控制系统功能分析
        3.2.1 风险决策
        3.2.2 A/B模型测试以及模型管理
        3.2.3 产品监控
    3.3 数据库需求分析
    3.4 性能需求分析
    3.5 算法需求分析
    3.6 本章小结
4 金融风险控制系统设计
    4.1 系统总体架构
        4.1.1 表现层
        4.1.2 业务逻辑层
        4.1.3 数据层
    4.2 数据库设计
        4.2.1 实体关系
        4.2.2 数据库表设计
    4.3 本章小结
5 特征工程以及风险控制模型开发
    5.1 数据来源
        5.1.1 内部数据源
        5.1.2 第三方数据源
    5.2 数据预处理
        5.2.1 数据核对
        5.2.2 数据清洗
    5.3 特征工程特征衍生以及筛选
        5.3.1 特征衍生设计与实现
        5.3.2 特征筛选
    5.4 Xgboost模型构建
        5.4.1 Xgboost分布式部署
        5.4.2 Xgboost算法概述
        5.4.3 Xgboost训练以及结果
    5.5 逻辑回归模型构建
    5.6 Xgboost-L模型构建
    5.7 本章小结
6 金融风险控制系统详细设计及实现
    6.1 风险控制系统包设计
    6.2 风险决策模块详细设计与实现
        6.2.1 风险控制模块流程设计
        6.2.2 风险决策模块类设计
        6.2.3 风险决策模块时序设计
        6.2.4 风险决策模块反欺诈子模块设计
    6.3 A/B测试模块详细以及模型管理设计与实现
    6.4 监控模块详细设计与实现
    6.5 本章小结
7 金融风险控制系统测试
    7.1 测试环境
    7.2 功能性测试
    7.3 非功能性测试
    7.4 模型小流量线上测试
    7.5 本章小结
8 总结展望
    8.1 项目总结
    8.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3844321