面向缺值数据的信用评估贝叶斯网络模型研究

论文摘要

P2P网络借贷模式自诞生以来备受金融界的欢迎,在近年更是发展得如火如荼。由于其门槛低、利率高、方便快捷等特点,给借贷双方都带来一定好处,尤其是对那些不满足传统金融机构借贷条件的人与中小企业来说,解决了以往融资难的问题。对我国普惠金融政策的实施与金融市场的完善也起了一定的推动作用。然而,随着P2P网贷的发展,一些弊端也逐渐显露出来。一方面,正因P2P平台门槛低,利率高,极易增加借款人的违约风险;另一方面,很多需要借款人填报的信用指标形同虚设,致使平台借款人信用数据包含大量缺值,这对后期的信用评估造成了影响,致使对借款人信用评估的准确率降低。由此,面向缺值数据,建立稳定而有效的P2P信用评估模型尤其重要,也是P2P网贷平台正常运转的基本前提。近年来,许多学者对P2P信用评估模型进行了大量研究,并取得了一定成效。然而,在已有工作中,对于缺值情况下信用评估模型的研究相对较少。因此,面向缺值数据,本文利用可以将先验知识与数据信息相结合、在消除不确定性方面具有独特优势的贝叶斯网络对P2P网络借贷的信用评估模型进行研究。所做工作具体包括以下三方面:1.提出面向缺值数据的贝叶斯网络结构学习的PQISEM算法(Structure Learning of Bayesian network based on partial qualitative influences and StructureExpectation Maximization algorithm)。将具有良好可信度和鲁棒性且容易得到的定性影响知识引入贝叶斯网络结构学习算法过程中,对在缺值情况下的参数及结构进行约束,使贝叶斯网络参数与结构更靠近真实网络。该算法在BIC评分、KL散度、运行时间等方面比其他算法更佳。2.数据预处理和基于PQISEM算法的P2P信用评估贝叶斯网络CEBN(Credit Evaluation Bayesian network)模型构建。首先,对P2P平台借款人数据做预处理,其中包括将连续变量利用ChiMerge算法进行合理离散化。然后将处理完的数据利用PQISEM算法进行P2P平台CEBN模型的结构与参数的学习,不仅提高了数据的使用率,也提高了模型的精度。3.基于P2P平台的CEBN模型进行推理预测。利用贝叶斯网络推理的原理,对借款人的还款状态进行推断预测,得出信用评估结果。实验表明其评估结果不仅在准确率上高于其他贝叶斯网络结构学习算法,而且在准确率、精度、F值等评估指标上也高于朴素贝叶斯、C4.5、SVM、Adaboost等其他分类算法。从而验证该CEBN模型的良好性能。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
•   1.1 研究背景及意义
•     1.1.1 研究背景
•     1.1.2 研究意义
•   1.2 国内外文献综述
•     1.2.1 P2P信用评估研究现状
•     1.2.2 贝叶斯网络缺值结构学习
•   1.3 研究内容与方法
•   1.4 主要创新点
•   1.5 论文的基本框架
• 第2章 相关理论
•   2.1 P2P网贷信用风险理论简介
•     2.1.1 P2P网贷平台信用风险分析
•     2.1.2 信用评估方法介绍
•   2.2 贝叶斯网络理论简介
•     2.2.1 贝叶斯网络概述
•     2.2.2 贝叶斯网络学习
•     2.2.3 贝叶斯网络推理
•   2.3 小结
• 第3章 面向缺值的BN结构学习PQISEM算法
•   3.1 基于定性影响的参数修正
•     3.1.1 定性影响
•     3.1.2 基于定性影响的BN参数修正
•   3.2 基于定性影响的结构学习
•     3.2.1 搜索算子定义
•     3.2.2 初始网络选取
•   3.3 PQISEM算法构造
•     3.3.1 PQISEM算法描述
•     3.3.2 PQISEM算法的时间复杂性和收敛性
•   3.4 PQISEM算法性能分析
•     3.4.1 实验环境与数据集
•     3.4.2 评估指标
•     3.4.3 与其他算法的性能对比
•     3.4.4 样本量及缺值比例与学习效果的关系
•   3.5 小结
• 第4章 基于PQISEM算法的信用评估CEBN模型
•   4.1 数据来源及数据描述
•     4.1.1 数据来源
•     4.1.2 数据描述
•   4.2 数据预处理
•     4.2.1 属性筛选及构造
•     4.2.2 数据规范化
•     4.2.3 基于ChiMerge算法的连续属性离散化
•     4.2.4 离散属性属性值合并
•     4.2.5 缺失值统计
•   4.3 基于PQISEM算法的CEBN模型学习
•     4.3.1 模型构建环境
•     4.3.2 定性影响的选取
•     4.3.3 CEBN模型学习结果及分析
•     4.3.4 CEBN模型的有效性检验
•   4.4 基于BN推理的CEBN模型评估
•     4.4.1 评估结果的准确性检验
•     4.4.2 与其他BN结构学习算法的对比分析
•     4.4.3 与其他分类方法的对比分析
•   4.5 小结
• 第5章 结论与展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文和其它科研情况

文章来源

类型: 硕士论文

作者: 吴建爱

导师: 吕亚丽

关键词: 概率推理,贝叶斯网络,缺值数据,模型学习,网络借贷,信用评估

来源: 山西财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,贸易经济,金融

单位: 山西财经大学

分类号: F224;F832.4;F724.6

总页数: 80

文件大小: 5347K

下载量: 76