基于网格搜索和随机森林的汽车信贷违约预测研究

基于某金融机构的汽车信贷违约数据构建随机森林风险预测模型，用主成分分析法对数据进行降维，利用上采样的方法解决样本不平衡的问题，同时通过综合五折交叉验证法和网格搜索对随机森林模型调参。此外，还与其他机器学习算法的预测结果进行比较。研究表明，相对于其他两种预测模型，随机森林的性能都是最优的，性能较佳。同时，采用随机森林计算特征重要性时发现，个人抵押资产的价值对汽车信贷违约有显著的影响。     

基于可解释机器学习的信用债违约研究

为解决传统信用风险预测模型的非均衡样本识别不足问题,利用过采样方法和机器学习算法,提升信用债违约预测模型的准确率及稳定性。引入盈利能力、现金流量、营运能力、资本结构、偿债能力5类财务指标和非财务指标,运用SMOTE、Borderline SMOTE、ADASYN方法解决样本不均衡问题,通过逻辑回归、支持向量机、随机森林、XGBoost进行风险识别。结论：对于非均衡信用债违约样本,1000次有放回bootstrap重复抽样下ADASYN-RF模型的AUC、Recall优于LR、SVM和RF模型;ADASYN-SVM模型违约样本实际Recall较不使用过采样法提升36.86个百分点。引入可解释性机器学习方法,发现带息债务/全部投入资本、地方财政收入/债务存量、资产负债率等是信用债违约的重要影响因素。     

信息不对称视角下我国P2P网络借贷风险问题初探

P2P网络借贷日渐成为一种新型的民间借贷方式,但近年来P2P网贷平台倒闭、借款人跑路现象层出不穷也揭示了P2P网贷市场平均风险较高的事实。其主要原因是P2P网络借贷平台中借贷双方的信息不对称容易产生逆向选择和道德风险问题。文章通过建立P2P网络借贷的"柠檬"市场模型来分析平台中的逆向选择问题,并给出了具体的政策建议。     

P2P网贷平台借款信息对投资决策的影响研究

以人人贷平台作为研究对象,通过编写程序抓取实际交易数据,构建了基于二元logistic回归方法的P2P（Peer-to-Peer）网络借贷决策模型,以研究影响投资决策的因素。该模型对13684条样本进行了是否满标的预测,其综合预测率为97%。实证结果表明,P2P平台上的借款信息对投资决策行为及是否能成功借贷的影响十分显著——利率、年龄、婚姻状态、学历、信用等级以及逾期次数与满标成功率呈正相关关系;金额、期限、申请借贷笔数与满标成功率呈负相关关系。     

个人信用评估模型比较分析

文章以互联网金融机构客户信贷数据为基础,使用7种不同的数据挖掘方法建立个人信用评估模型,从预测准确率、模型外推性、第二类错误率、预期错误分类成本4个方面评价模型的综合信用评估能力。评价结果表明,使用分类树和K近邻分类算法建立的个人信用评估模型的综合信用评估能力最高;同时发现使用线性和非线性方法建立的模型各有特点,线性分类模型能够对违约客户进行有效识别,而非线性分类模型的预测精度较高。     

我国P2P网络借贷风险防范及发展前景

随着网络技术的发展和网络的普及,一种新的P2P网络借贷模式出现在人们视野之中。从2007年在国内兴起至今,P2P网络借贷已发展出不同的模式,改善了民间借贷困难的状况,但也一直伴随着巨大的风险问题。本文通过分析P2P网络借贷的不同模式,以失败的网络借贷公司案例引出贷款人、借款人、经营者以及国家与社会四方所面临的风险并提出风险防范的建议,最后阐明P2P网络借贷的发展前景。     

进化树方法的建模原理及大数据时代的金融保险风险预测

大数据时代的来临加深了经济学的研究范式改革，推动社会科学研究由模型驱动向数据驱动转型。本文将机器学习算法引入预测建模，探讨机器学习如何在金融保险领域的风险预测中发挥作用。在经济预测建模中，传统统计回归无法胜任复杂关系的捕捉，而传统的CART决策树容易陷入局部最优而导致预测水平不足的问题。作为一种较新的机器学习方法，进化树是对传统决策树的改进，本文重点对进化树算法的基本原理进行探讨。进化算法应用于树的生成，可以达到全局最优。在经济预测建模应用方面，本文选取机器学习平台OpenML上的两个数据集(Credit和WorkersCompensation)，将树方法应用于预测分析：对于Credit数据集，通过构建分类树，探索影响银行客户信用风险发生的可能因素；对于WorkersCompensation数据集，通过构建回归树，对工伤保险赔付进行预测建模，同时探索工伤保险赔付的影响因素。结果发现，进化树算法在保持一定可解释性的同时，能有效提升分类准确率和预测精度。同时，由于树方法会隐性地体现变量之间的交互项和非线性关系，因此进化树模型的构建可补充传统统计回归分析，在经济学的预测问题中具有一定潜力。     

基于随机森林融合因子分析的资产收益模型研究

科学有效地预测企业净资产收益率对于资本市场评估企业有很好的借鉴意义。文章为探求随机森林算法对净资产收益率的预测能力,以800家上市企业数据为样本,分别采用决策树、随机森林和支持向量回归模型进行对比试验,建立因子分析与随机森林组合模型,结果表明,随机森林对于净资产收益率有更优的预测效果,对资本市场进行企业评估有很好的借鉴和指导意义。     

打破P2P“刚性兑付”无法一蹴而就

正打破P2P"刚性兑付"不是一朝一夕能够实现的。长期看,打破"刚性兑付"需要规范P2P平台的自身行为,确保借款人与借款项目真实存在,项目的还款源与抵质押物真实有效,积极努力地充分披露借款人的违约风险。在投资人能够有效衡量投资项目的收益与风险的前提下,投资人才有可能实现风险自担。监管层从默许P2P发展的一开始就夹杂着借P2P违约打破中国债务市场"刚性兑付"的"私心"。二十余年来,股票市场的跌宕起伏已经初步培育了股民风险自担的意识,但债务市场的投资人教育仍不成功,"刚性兑付"成     

P2P网络借贷的运行模式与风险管控

P2P网络借贷具有贷款期限短、金额小、重视贷款者信用材料、融资门槛相对较低等特点。现阶段,我国P2P网络借贷面临政策法律风险、监管风险、洗钱风险、操作风险、网络风险、信用风险。防范P2P网络借贷风险,从政府的角度来讲,应明确监管主体,加快监管制度建设;扩大征信范围,完善全国征信系统建设。从P2P网络借贷平台的角度来讲,应完善网络技术,降低网络风险;明确金融职责,强化操作流程。从借贷者和贷款者角度来讲,应建立借款者与贷款者之间的互信。     

企业债务违约风险与货币政策立场——微观财务信息的宏观预测价值

文章基于2004年第一季度至2019年第三季度数据,构建汇总层面的利息偿付倍数、现金持有水平以及会计盈余作为企业债务违约风险的代理变量,考察其对国家货币政策调控立场的预测价值。研究发现：（1）汇总层面的企业债务违约风险越高,政府未来越倾向于采取更为宽松的货币政策,表现为未来信贷投放规模的增长和借贷利率的下降;（2）分析师宏观预测以及投资者的投资决策也一定程度上考虑了汇总层面的企业债务违约风险。研究表明,汇总层面的企业债务违约风险能够反映实体经济的资金供求状况,从而对货币政策立场发挥一定的预测价值,有助于监管当局提高对宏观经济的监测和预警能力。     

基于情感分析和机器学习的用户评论信息挖掘

用户评论文本中的主观情感色彩表达了评价者对产品信息的反馈,对其进行有效挖掘意义重大。针对当前用户评论文本信息未能被充分利用的现状,以Vivo手机用户评论数据为研究对象,构建较完备的手机领域情感词典,对用户评论进行情感倾向分析,得到27 223条评论的手机好评度为91.56%,高于HowNet(情感词典)和NTUSD(情感极性词典)85.96%的好评度。基于情感分析的结果,采用K-means算法发现对产品具有相似兴趣特征的用户群体,并采用TextRank算法挖掘用户群体的兴趣特征。最后利用SVM(支持向量机)、决策树、随机森林、K-近邻算法4种机器学习方法建立用户分类预测模型。随机森林模型预测准确率可达99.83%。基于情感分析的结果定位用户群体的方法,为企业有针对性地进行不同客户群体的营销和服务工作提供了新的方向。     

我国P2P网络借贷面临的风险分析及监管建议

P2P网络借贷平台凭借其简洁方便的融资程序和低廉的融资成本,填补了银行业借贷的不足,对传统金融业形成了强烈的冲击,但由于信息不对称所引发的监管难题也客观存在。文章首先对我国P2P的规模、特征进行了分析,进一步从内部风险和外部风险2个维度分析了P2P的风险,其中内部风险主要来自于借款人、网络借贷平台、投资人这3个方面,外部风险在于法律法规的不健全,应从准入监管、运营监管及信息披露这3个方面加大对P2P的监管。     

P2P网络借贷交易进度的影响因素考量

随着互联网金融的日渐火热,P2P网络借贷也越来越被大家所熟知。通过整理国内某借贷平台的交易数据,利用多元线性回归模型,以交易进度作为因变量,借款金额、借款利率、借入信用分和借款人的自身特征作为自变量进行数据分析。研究结果显示,投资回报率、借款人信用和借款期限是影响网络借贷交易进度的主要因素。     

P2P网贷平台热的冷思考

P2P网络借贷平台有需求、有供给、也有中间服务商,但是却无准入门槛、无行业标准、无机构监管。P2P网络借贷平台,是P2P借贷与网络借贷相结合的金融服务网站。P2P借贷是peer to peer lending的缩写,正式的中文翻译为"人人贷"。网络借贷指的是借贷过程中,资料与资金、合同、手续等全部通过网络实现,它是随着互联网的发展和民间借     

信用风险量化模型比较分析

近年来,信用风险量化模型在国际金融界,尤其是银行界得到了高度重视和快速发展。目前国际性商业银行用于计算信用风险的模型,按照数据情况和对风险概念理解的不同,形成了两种不同的建模思路。一种认为信用风险就是借款人违约的可能性,无论借款人违约与否,只要违约可能性的相关因素发生了变化,就意味着银行整体风险环境的变化,这种模式被称为盯市模式(Market-to-Market);另一种认为银行的信用风险就是借款人无法履行的实际风险,从而模型只对银行实际违约损失进行预测,只考虑两种状态,这种模式被称为违约模式(DefaultMode)。盯市模式的代表…     

供给侧改革背景下对P2P平台风险衡量指标的实证分析

P2P(peer to peer)指个人通过第三方平台在收取一定费用的前提下向其他个人提供小额借贷的金融模式,指的是个人对个人的信贷平台。P2P平台能满足不同借贷人的资金融通与投资的需求,区别于以往的银行贷款模式,将资金供给方与需求方按照peer to peer的方式一一连接,可以说是金融与借贷领域的供给侧改革。但现如今,P2P作为在作为高速发展的新兴产业的同时,由于行业竞争激烈、监管方法不完善等原因,平台跑路等现象时有发生,给我国经济发展带来不利影响。因此,文章对P2P平台披露的数据进行量化分析,试图建立行之有效的风险监控模型,促进P2P平台的有效监管。     

我国P2P网络借贷的信用风险控制

信用风险控制一直是P2P网络借贷的重中之重，关系到一个平台的信誉、客户的信心以及平台资金的流动性，是发展的关键。通过对P2P借贷平台常用的信用风险控制手段的分析发现，平台的风险控制手段大同小异，风险管理、资金流动、信用评级都存在缺陷。针对信用风险产生的原因，本文认为当前相关法律缺失和征信体系的不完善是主要的外部限制因素，而平台自身实力薄弱，缺乏行业规范是主要内部限制因素。针对这些因素，本文提出了完善相关法制建设、建立征信体系、加强行业建设以及提高用户风险防范及风险识别能力的建议。     

基于GS-LGBM的乘用车使用寿命预测研究

为准确预测乘用车使用寿命,提出基于网格搜索优化LightGBM（GS-LGBM）模型的乘用车使用寿命预测方法。通过对2014—2019年乘用车报废数据进行大量实验,并与9种流行的机器学习算法进行对比,结果表明,LightGBM在平均绝对误差（MAE）、中位绝对误差（MEAE）、均方误差（MSE）和拟合优度判定系数（R2）4项指标上均明显优于其他算法。为进一步提升模型预测精度,采用网格搜索算法对LightGBM进行参数优化构建GS-LGBM模型,效果显著提升（MAE降低11.02%）,说明该方法能够更准确高效地预测乘用车使用寿命。     

抉择之道:P2P网贷平台营销经营前景考量

当下众多文献聚焦研究P2P网贷平台的风险防范及其监管体系,本文不讨论P2P网络借贷平台风险产生原因及监管措施,而是研究P2P网络平台发展的理论基础和现实意义,探讨平台中外经营模式的改进来降低借贷行为的各种风险。从外部的环境、法律和内部的规范、规模展望P2P借贷行业营销经营的前景。