互联网金融风险识别中类平衡处理方法对比研究——以拍拍贷为例

论文摘要

互联网金融的快速发展,使得P2P成为一种创新的金融模式,如何识别出网贷中的潜在风险成为研究热点。网贷交易数据常常存在严重的不平衡,导致风险识别率较低。针对这一问题,文中采用随机下采样、SMOTE和Bagging方法进行类平衡处理,利用逻辑回归和支持向量分类机进行检验评价。实验表明,在P2P风险识别中,以召回率为标准,bagging的平衡处理效果优于随机下采样与SMOTE,且逻辑回归不存在明显的过拟合,所以其他SVC更适合用于P2P逾期风险识别。

论文目录

• 1 引言
• 2 理论分析
•   2.1 分类算法
•   2.2 平衡处理
•   2.3 评价指标
• 3 实证分析
•   3.1 数据获取
•   3.2 数据预处理
•     3.2.1 逾期计算
•     3.2.2 数据分割
•     3.2.3 平衡处理
•   3.3 实证检验
•     3.3.1 平衡处理前
•     3.3.2 平衡处理后

文章来源

类型: 期刊论文

作者: 刘华玲,林蓓,恽文婧,丁宇杰

关键词: 类不平衡,逾期识别,集成学习,重采样

来源: 计算机科学 2019年S2期

年度: 2019

分类: 信息科技,基础科学,经济与管理科学

专业: 数学,自动化技术,贸易经济,金融

单位: 上海对外经贸大学统计与信息学院,上海财经大学信息管理与工程学院

基金: 上海市哲学社会科学规划课题(2018BJB023),国家社会科学重大课题(16ZDA055)资助

分类号: O212;TP181;F724.6;F832

页码: 595-598+608

总页数: 5

文件大小: 390K

下载量: 229