P2P网络贷款信用的风险评估.pdfVIP

P2P网络贷款信用的风险评估 傅彦铭 ，臧敦刚。，戚名钰 (1．四川大学 理论经济学博士后流动站，成都 610064；2．广西大学 计算机与电子信息学院，南宁 530004； 3．四川农业大学 经济管理学院，成都 611130；4．中国科学技术大学 软件学院，合肥 230000) 摘 要：文章根据P2P贷款数据高维度、非线性以及小样本等特点，选择 了支持 向量机方法来评估其信用 风险，选取2012年 1月1日~2014年4月30日的天度数据，实证结果发现：P2P网络贷款的信用风险主要 由为数 不多的关键属性来决定的；同时，运用支持向量机技术评估信用风险所得出的准确率为85．6％。 关键词：P2P网络贷款；信用风险评估；支持向量机；神经网络 中图分类号：F830．589 文献标识码：A 文章编号：1002—6487(2014)21—0162—03 控制机制提供启示，为解决P2P网络借贷平台建设的风险 0 引言 控制问题提供支持。 P2P(Peer—to—Peer)网络借贷是主要面向个人和中小 1 支持向量机原理 企业的贷款，P2P中介建立网络平台，让具有闲置资金并 愿意出借的个人发布借款信息，借贷双方通过竞价，最终 支持向量机主要是针对小样本数据进行学习、分类和 撮合成交”1。P2P中介收取手续费，借人方到期还款付息， 预测的一种方法，能解决神经网络等其他分类算法不能解 借出方承担信用风险。P2P网络借贷缓解了目前中小企 决的过学习问题 。作为一种新型的机器学习方法，它能通 业和个人融资难的状况。与正规金融机构相比具有贷款 过风险最小化原理来解决小样本、非线性、高维度等问题， 门槛低、交易手续便捷、涉及金额小等不可比拟的竞争优 非常适合应用于网络贷款风险评估2[1。 势。但因P2P存在准入门槛低、监管缺失、信息不透明、平 1．1 特征空间映射 台的风险控制措施不健全等问题，导致P2P网络借贷市 支持向量机采用最优超平面决定最大泛化能力。但 场的信用风险隐患高，借款者违约、平台倒闭等信用风险 是，当训练数据不是线性可分时，尽管分类超平面已经优 事件频发。为此，本文依据P2P经营模式特点，研究合理、 化，所获得的分类器的泛化性能力也可能较低。为加强线 有效的信用风险评估模型，对P2P网络借贷平台的风险 性可分性，可以将原来的输入空间映射到一个高维点积空 基金项目：国家自然科学基金资助项目 作者简介：傅彦铭 (1976一)，男，广西平南人 ，博士后，副教授，研究方向：金融风险与网络安全。 臧敦刚(1985一)，男，山东泰安人 ，博士，讲师，研究方向：金融风险与金融监管。 模型的运用可以帮助银行实现资本对于风险业务扩张的 (4)． 约束作用，模型的资本配置结果是在总量的限制下，将资 2【1Picoult，Evan．EconomicCapitalforCounterpartyCreditRisk~]． 本更多的配置于了低风险的业务。 RMAJoumalMar，2004，866()． 3【】赵胜来，余仁巍，农卫东．经济资本配置与商业银行价值管理[J]．上 本文在风险调整收益率指标的基础上，根据银行价值 海金融，2005，(8)． 最大化的战略目标，构建了经济资本收益体系，在介绍体 4【】陈小宪．“形神兼备”引进RAROC技术J【]．中国金融家，2003，(12)． 系风险约束的基础上着重研究了体系创造银行价值的作