基于机器学习的P2P网络借贷违约风险识别模型比较——以'人人贷'为例

摘要

近年来,P2P网络借贷中借款人违约风险的识别问题被各互联网金融机构重点关注.文章以"人人贷"平台中的借贷数据为样本,运用CART决策树、支持向量机(SVM)、BP神经网络和随机森林等4种主流的机器学习算法,进行代价敏感学习,构建了4种违约风险识别模型并进行比较.研究发现,机器学习算法在多维度借贷数据下的违约风险识别中适用性较强,其中树模型的预测效果显著优于其他两种模型,尤以随机森林模型预测效果最佳.