基于支持向量机的P2P网贷个人信用风险评估模型的研究

发布时间：2023-11-15 18:27

　　信用在实际生活中变得越来越重要,而互联网金融的快速发展,使得国人快速进入信用消费的时代。银行在审核借款人贷款申请时,往往手续复杂,周期长,此外从银行贷款的门槛较高。P2P网贷具有门槛低,审批流程简单、放贷周期短等优点,使其近些年来得到快速地发展。面对借款客户的多样性,为了控制风险就必需对个人信用风险进行合理的评估。近年来人工智能已经应用到各行各业中,个人信用风险评估的方法也在不断发展完善,大致从最开始的经验判别法发展到统计方法再到如今的人工智能方法。支持向量机因其在处理小样本、非线性数据的优势使得其在个人信用风险评估领域得到了广泛的应用。本文研究内容是利用支持向量机模型进行个人信用风险评估,主要包括个人信用风险指标体系的建立和支持向量机模型的优化研究。建立个人信用风险指标体系时,过多或过少的指标都不利于模型的构建。指标过多会导致变量冗余,增加模型运行的时间,甚至影响模型分类的准确率;而指标过少会使模型缺少足够的变量用来分类,从而导致分类准确率的降低。针对该问题,本文通过自变量的逐步回归法来筛选指标,用筛选后的指标作为支持向量机建模的输入变量。从已有的文献中可以看出惩罚因子和核函数参数对...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 国外研究动态
        1.2.2 国内研究动态
    1.3 本文主要研究内容
    1.4 本文组织结构
第二章 支持向量机理论
    2.1 统计学习理论
        2.1.1 经验风险最小化原则
        2.1.2 结构风险最小化原则
    2.2 支持向量机
        2.3.1 线性问题
        2.3.2 核函数
        2.3.3 非线性问题
    2.3 本章小结
第三章 个人信用风险评估指标体系和数据预处理
    3.1 个人信用风险评估指标体系
        3.1.1 指标选取原则
        3.1.2 个人信用风险评估指标体系的构成
    3.2 数据预处理
        3.2.1 数据来源
        3.2.2 数据预处理
    3.3 指标筛选
        3.3.1 逐步回归法
        3.3.2 指标筛选结果
    3.4 个人信用风险评估模型的评价标准
    3.5 指标筛选对支持向量机模型的影响
    3.6 本章小结
第四章 支持向量机优化模型对P2P网贷数据的评估
    4.1 支持向量机优化
        4.1.1 支持向量机优化原理
        4.1.2 群智能算法
    4.2 四种智能算法优化的SVM模型
        4.2.1 GA-SVM模型
        4.2.2 ACO-SVM模型
        4.2.3 PSO-SVM模型
        4.2.4 MFOA-SVM模型
    4.3 比较研究
        4.3.1 指标筛选对模型的影响
        4.3.2 参数优化效果
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 研究展望
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3864269