基于社交网络的互联网现金贷反欺诈建模

摘要

随着互联网金融快速的发展，现金贷平台在发展过程中暴露出高利贷、暴力催收、高杠杆等问题甚至可能影响金融行业的安全和社会稳定。因此在政府强力监管和干预后，互联网现金贷平台开始走入正轨，但由于前期的野蛮发展，多数平台缺少最核心的风控技术，导致倒闭或转换业务。对于现存的平台，提高其风控能力建立有效的反欺诈系统来降低坏账率以实现盈利是目前首要的工作。 本文充分利用平台积累的数据，对用户的基本信息和运营商数据建立反欺诈模型。在面对运营商这种与用户欺诈弱相关的数据时，通过建立社交网络并进行社区发现来挖掘更深层的用户欺诈特征，建立有效的反欺诈模型。同时本文还对比了SVM、随机森林和神经网络三个机器学习模型，并从准确率、召回率和AUC值等全面评估模型，认为需要根据实际场景，考虑模型在不同类别上的表现来选择合适的模型。

目录

1 绪论

1.1 研究背景及意义

1.2 国内外文献综述

1.3 研究内容和方法

1.4 本文结构与创新处

2.1 现金贷平台的发展现状

2.2 现金贷行业存在的问题和风险

3 理论基础

3.1 社交网络和社区发现算法介绍

3.2 机器学习算法介绍

4.1 数据描述

4.2 社交网络的构建和社区发现

4.3特征工程

4.4 模型结果对比

4.5 模型评估

5.1 结论

5.2 不足与展望

参考文献

附录

在校期间发布论文清单

致谢