大数据背景下网络借贷的信用风险评估——以人人贷为例

被引：31

作者：

柳向东

李凤

机构：

[1] 暨南大学经济学院

来源：

统计与信息论坛 | 2016年 / 31卷 / 05期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

P2P网络借贷; 非平衡数据; SMOTE算法; 数据挖掘; 随机森林;

D O I：

暂无

中图分类号：

F832.4 [信贷]; F724.6 [电子贸易、网上贸易];

学科分类号：

1201 ;

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。

引用

页码：41 / 48

页数：8

共 8 条

[1] 借款人描述性信息对投资人决策的影响——基于P2P网络借贷平台的分析 [J].