數(shù)據(jù)挖掘在P2P個人信用風(fēng)險模型中的應(yīng)用研究.pdf

1、近年來，我國經(jīng)濟高速發(fā)展，人們收入水平得到了明顯的提高。在消費意識方面人們從以前的不敢借貸轉(zhuǎn)變?yōu)榱藰酚谑褂蒙鐣栀J資源來進(jìn)行個人的資金流轉(zhuǎn)。這也就導(dǎo)致了各種個人消費貸款包括個人旅游貸款、個人綜合消費貸款、個人小額貸款、個人住房貸款、個人汽車貸款等業(yè)務(wù)陸續(xù)發(fā)展起來。從而導(dǎo)致了很多P2P平臺的產(chǎn)生，個人消費信貸規(guī)模呈逐年上升的趨勢，平臺對個人信用風(fēng)險控制的需求也愈發(fā)的迫切。然而，由于個人信用數(shù)據(jù)不完備、技術(shù)不完善、技術(shù)人員缺乏等問題，個人信

2、用風(fēng)險模型的評判還不能夠滿足各信貸機構(gòu)的需求。個人信貸業(yè)務(wù)的迅速增長與目前不完善的信用風(fēng)險管理技術(shù)形成了強烈的反差，如何建立與個人信貸增長相匹配的風(fēng)險管理體系模型是目前我國信貸行業(yè)的重中之重。
　　本文借助logistic模型和數(shù)據(jù)挖掘技術(shù)，在充分利用實習(xí)公司近10000例個人信貸數(shù)據(jù)的基礎(chǔ)上，首先通過聚類分析將借款人進(jìn)行初步分類，結(jié)合業(yè)務(wù)實際情況與歷史經(jīng)驗將借款人分為三類或四類。然后再根據(jù)所劃分類別以借款次數(shù)和借款金額為決策因素

3、利用決策樹分別進(jìn)行比較，最終得出較優(yōu)的劃分方法。根據(jù)最優(yōu)劃分結(jié)果將借款人分為一般型借款人、成長型借款人和風(fēng)險型借款人等三種。然后以借款人的年齡、學(xué)歷和平均月收入等為自變量,以逾期狀況為因變量建立Logistic回歸模型。分別采取WOE法和虛擬變量替代法對Logistic模型進(jìn)行建立，并對兩種模型進(jìn)行比較，以此來判定借款人的逾期概率、評估P2P平臺個人信用違約風(fēng)險以及預(yù)測分析個人信用違約概率。文章結(jié)合數(shù)據(jù)挖掘技術(shù)以平臺個人信用違約狀態(tài)為研

4、究對象，建立信用風(fēng)險評估模型，并針對 P2P平臺風(fēng)險管理上存在的問題提出相應(yīng)的改進(jìn)建議。
　　基于上述研究分析，我們提出了相應(yīng)的風(fēng)險控制管理措施：
　　1.在貸款審核階段應(yīng)當(dāng)制定更加合理的審核信息制度，對于貸款人某些重要的信息指標(biāo)包括月收入、有無房產(chǎn)等信息的審核要嚴(yán)格引入；
　　2.合理引導(dǎo)平臺貸款人的行為，制定一定的獎懲措施來鼓勵借款人自覺提高自身信譽度；
　　3.與商業(yè)銀行或各P2P信貸平臺進(jìn)行合作，借鑒豐富