融入软信息的P2P网络借贷违约预测方法

被引：28

作者：

蒋翠清

王睿雅

丁勇

机构：

[1] 合肥工业大学管理学院

来源：

中国管理科学 | 2017年 / 25卷 / 11期

关键词：

P2P借贷; 违约预测; 软信息; 主题模型; 变量选择; 随机森林;

D O I：

10.16381/j.cnki.issn1003-207x.2017.11.002

中图分类号：

F724.6 [电子贸易、网上贸易]; F832.4 [信贷];

学科分类号：

1201 ;

摘要：

在P2P网络借贷中,预测借款的违约概率是用户信用评价的关键,也是借贷平台与投资者关注的重点问题。由于P2P平台所获取的用户财务信息有限,P2P借款信用评价和违约预测面临新的挑战。本文结合P2P平台的信息特点,提出一种融入软信息的网络借款违约预测方法。首先利用主题模型抽取并量化文本软信息中的相关变量,进而分析不同软信息变量对借款违约的影响关系;其次,设计了一种两阶段的变量选择方法对软硬信息进行组合筛选;最后,引入随机森林算法构建融入软信息的违约预测模型,并结合P2P平台的真实数据进行实证分析。结果表明,在P2P借款的违约预测模型中融入有价值的软信息可以提高预测准确率。

引用

页码：12 / 21

页数：10

共 15 条

[11] Improving the management of microfinance institutions by using credit scoring models based on Statistical Learning techniques [J].

Cubiles-De-La-Vega, Maria-Dolores ;

Blanco-Oliver, Antonio ;

Pino-Mejias, Rafael ;

Lara-Rubio, Juan .

EXPERT SYSTEMS WITH APPLICATIONS, 2013, 40 (17) :6910-6917

[12]

Consumer credit risk: Individual probability estimates using machine learning[J] . Jochen Kruppa,Alexandra Schwarz,Gerhard Arminger,Andreas Ziegler.Expert Systems With Applications . 2013 (13)

[13] Do Unverifiable Disclosures Matter? Evidence from Peer-to-Peer Lending [J].

Michels, Jeremy .

ACCOUNTING REVIEW, 2012, 87 (04) :1385-1413

[14]

What's in a Picture?: Evidence of Discrimination from Prosper.com[J] . Devin Garett. Pope,Justin Reuel. Sydnor.Journal of Human Resources . 2011 (1)

[15]

Multiple classifier architectures and their application to credit risk assessment[J] . Steven Finlay.European Journal of Operational Research . 2010 (2)

← 1 2 →