P2P网络借贷平台借贷双方行为研究

摘要

P2P（Peer to Peer lending)网贷是个体对个体的网络借贷，即民间借贷与网络技术结合在一起的互联网服务网站。P2P网贷平台为理财人提供了一条较高收益的理财渠道，也为个人和微小企业提供了一条便捷融资方式。　　本文以“拍拍贷”上的2016年下半年数据为原始数据，从P2P网贷平台的中介职能进行分析。首先通过对投资者的出借行为进行分析，识别出不同的出借行为，以期增加P2P网贷平台的出借资金。然后对借款者的借款行为进行分析，有效地识别出借款者的违约行为与哪些因素有关。加强平台对借款者的行为管理，以期减少借款违约发生的概率。　　通过引入数据挖掘算法，首先对出借人利用关联规则分析方法，研究发现新增出借用户自首次出借后的第二个月和第三个月的出借行为是判断该用户是否是“价值用户”和“瞬间用户”上很重要。其次对借款方，第一，采用相关性分析和随机森林法从17个变量中挑选出13个重要的变量，发现影响借款人违约的第一、第二、第三重要因素分别是借款成功次数、魔镜等级、借款年利率。第二，将挑选出的变量结合数据挖掘的一些算法（决策树、支持向量机、贝叶斯算法、回归树、逻辑回归、Bagging、Boosting）建立的模型进行对比。发现基于决策树的Boosting方法预测的正确率最高。第三，由于数据的不平衡性，本文构建了“聚类+数据层面处理+分类”的混合模型，即PAM聚类算法+对每个类数据层面的处理（类权重、欠抽样、过抽样、SMOTE）+基于决策树的Gradient Boosting十折交叉验证分类算法。通过对比发现本文提出的“聚类+数据层面处理+分类”混合模型有效地提升了贷款人违约预测结果。

目录

第一个书签之前

P2P网络借贷平台借贷双方行为研究

Abstract

第一章 引言

1.1 研究背景

1.2 研究现状

1.3 研究内容

第二章 基础理论模型

本章介绍对出借人和借款人进行研究分析时所用到的基础数据挖掘方法和评价模型。

（1）关联规则，用以刻画出借人的出借行为；

（2）基础分类模型，包括：随机森林、决策树、支持向量机、贝叶斯算法、逻辑回归、回归树、Bagging

（3）用以模型优化的PAM算法以及不平衡数据在数据层面的处理；

（4）评价模型：AUC值、查准率、查全率和两配对样本T检验。

2.1 关联规则

2.2 随机森林

2.3 logistic回归

第三章 P2P网贷平台出借人行为研究

3.1 出借人行为研究的动机

3.2 数据来源与变量描述

3.3 出借人行为分析

3.4 总结

第四章 P2P网贷平台借款人行为研究

4.1 借款人行为研究的动机

4.2 数据来源与预处理

4.3 变量选择

4.4 借款人行为分析

4.5 模型优化

4.6 总结

第五章 总结与展望

致谢