P2P网络信贷；个人信用风险评估；梯度提升决策树模型（GBDT）.docxVIP

下载本文档

32
0
约2.84万字
约 40页
2023-09-05 发布于湖北
举报
版权申诉

P2P网络信贷；个人信用风险评估；梯度提升决策树模型（GBDT）.docx

此“经济”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

PAGE 37 摘要 P2P网络贷款作为一种互联网+金融领域创新的商业模式，国内外关于其风险管理的研究尚不成熟，应用到P2P中的个人信用风险评估量化模型研究较少。本文基于Lending club在线贷款平台发布的贷款数据，构建了P2P网络贷款信用风险评估指标体系，创新性地引入了“贷款/年收入总额”债务收益指标。将定性与定量的研究方法结合，挖掘与借款者违约风险强相关的特征变量，最终在兼顾数据非平衡性、泛化能力的基础上，利用机器学习技术，构建了基于梯度提升决策树（GBDT）的P2P在线贷款个人信用风险评估模型，用于预测借款人的违约率。最终通过实证研究表明，该梯度提升决策树模型的预判准确率良好