论文总字数：29396字

摘 要

伴随着快速发展的互联网经济，互联网借贷平台也开始步入大众视野，与此同时，互联网借贷平台的信用风险也不断增长。我国的征信体制发展尚不完善，个人信用预测的手段有待提高。为了互联网借贷行业的健康发展，我们需要一个客观科学的信用预测模型来降低信用风险。计量方法在信用评估领域的应用范围愈发广泛，这与计算机的快速发展相伴。近年来机器学习在信用预测中应用中更加广泛。本文主体对互联网借贷平台进行探究，并选取了典型的平台介绍了其运营模式，并对支持向量机相关理论进行了分析，使用支持向量机进行互联网借贷的个人信用预测。在实证分析部分，本文使用了拍拍贷的用户信息数据。本文将数据随机分为两个数据集，运用支持向量机（SVM）方法进行信用预测，通过分别使用支持向量机典型的四种核函数进行预测，并得出使用多项式核函数作为SVM的核函数对互联网借贷平台的个人信用预测能够得到更高的精度。

关键词：互联网借贷；支持向量机；个人信用风险预测；核函数

Abstract

With the rapid development of the Internet economy, the Internet lending platform has begun to enter the public view, at the same time, credit risk is also becoming a big problem. China's credit system development is not perfect, the method for personal credit forecasting needs to be improved. For the healthy development of the Internet lending industry, we need an objective and scientific credit forecasting model to reduce credit risk. The development of computer technology has promoted the application of measurement methods in the field of credit evaluation. In recent years, machine learning has been widely used in credit forecasting. This paper mainly explores the Internet lending platform, and selects a typical platform to introduce its operation mode, also we analyzes the theory of support vector machine, and uses the support vector machine to predict the personal credit of internet borrowing. In the part of the empirical analysis, this paper uses the user information data of PPDAI and evaluate the personal credit based on SVM. The results show that this method can classify the data and have high precision.

KEY WORDS: Internet borrowing; Support Vector Machines; Personal credit risk forecast; kernel function

目 录

摘 要 II

Abstract III

第一章 绪论 1

1.1研究背景和意义 1

1.1.1研究背景 1

1.1.2研究意义 2

1.2研究目的及方法 2

1.3文章结构与创新 3

第二章 国内外相关文献综述 4

2.1国外研究状况 4

2.2国内研究状况 5

2.3文献总结与分析 6

第三章 互联网借贷平台个人信用预测的理论基础 8

3.1互联网借贷信用风险分析 8

3.2支持向量机的相关理论 10

3.2.1统计学习理论主要内容 10

3.2.2支持向量机 10

第四章互联网借贷平台个人信用预测实证分析 15

4.1数据的来源说明与处理 15

4.2实证结果 17

第五章 总结与建议 23

5.1总结 23

5.2建议 23

致 谢 25

参考文献 26

第一章 绪论

1.1研究背景和意义

1.1.1研究背景

随着科技的迅速发展,网络遍及千家万户,互联网金融在现代生活中承担重要角色，由此互联网借贷平台开始走进人们的视野。资金借入者与借出者通过互联网借贷平台实行借贷进行交易。互联网借贷包括b2c和p2p两种模式，本文主要针对后一种模式。P2P是由来自孟加拉的尤努斯博士最先创发，国内则于2006年引入这一模式，并在一年后正式成立了我国第一家互联网贷款公司。近年来，互联网借贷平台从开始走进大众视野后便在我国得到了迅速发展。2016年正式成立了中国互联网金融协会，政策对网络贷款的定义以及该行业相关业务做出明确说明，陆续出台的政策将会持续影响着互联网借贷行业。根据网贷之家提供的《2016中国网贷行业年报》，截至2016年12月，互联网借贷行业正常运营的平台数量达到2448家，互联网借贷行业总体贷款余额已经达到了8162.24 亿元，2016 年全年互联网借贷行业成交量为20638.72 亿元。互联网借贷平台的借款人与投资者人数也一直呈现较大的增长。P2P借贷正逐渐蚕食传统的消费信贷的市场份额。伴随着这一背景，平台之间的竞争也演变的愈发激烈，一些平台或因其体量大，或依托于具有知名度的品牌，获得了较多的关注，比如陆金所、宜人贷、点融网、人人贷、拍拍贷等，这些平台拥有较高的成交量和用户，相对更加合规透明，具有良好的发展潜力。本文研究的数据来源选择的就是拍拍贷——我国第一家互联网借贷平台。

图1-1各年互联网借贷平台运营数量

互联网借贷这一行业快速增长，而与此同时一些由此带来的问题也开始引起我们的注意。尚处于发展初期的互联网借贷平台行业体系并不完善，监管有待改进，同时伴随着平台巨大的经营压力，累计停业和问题平台的数目呈现上升趋势。16年的停业和问题平台数目一共达1741家，这一数目相对前几年是增长的。这些平台或倒闭卷款跑路，或坏账严重。造成这种结果的原因很多，其中比较重要的一点就是对互联网借贷项目缺乏信用评估。目前我国所拥有的征信体系尚不完善，征信数据使用机构难以大面积覆盖，对借款人的信用状况难以做出量化评价并深入了解，而其违约会给贷款人和互联网借贷平台带来巨大损失。互联网平台借贷行业主要面对的风险是个人信用风险，信用风险控制于是一跃成为重点关注对象。

1.1.2研究意义

作为互联网金融的产物，互联网借贷在我国有着巨大的成长空间，但是其良好的发展需要以个人信用评估为基础。互联网借贷平台业务在我国发展已然历经了十余年，但相对于传统银行业仍然处于起步阶段，在大量研究互联网借贷的文献中，对于信用风险的研究所占份额较小，其信用风险管理相对落后，因此针对我国互联网信贷平台建立一个准确度较高的个人信用预测是具有重要性与必要性的。对个人信用的科学评估于缩短贷款审批时间，降低信贷风险，提高借款人和贷款人的积极性有正面影响。一个拟合度更高的个人信用预测模型，有助于正确评估互联网借贷可能面临的信用风险，有利于平台对未来的贷款交易策略的设定以获取期望的收益，降低风险。互联网借贷平台起着借款人和贷款人之间中介的作用，平台想要良好的发展，对个人信用进行科学的预测评估就需要尽所能做到最好。对个人信用的有效预测，不仅仅关系到互联网借贷平台自身的收益率，同样会影响平台投资人的投资决策。对信用风险较为准确的控制，不仅能够帮助平台吸引信用优良的借款人，还会吸引更多的投资者。

1.2研究目的及方法

我国经济的快速发展是互联网借贷的快速成长的基础，在互联网借贷不断升温的情况下，互联网借贷的风险管理水平在管理手段和方法上却都稍显落后，在个人信用预测体系上仍然没有建构通用有效的模型。能否充分有效的利用借款人信息等相关数据关系到信贷审批的效率和减少不良贷款，在信用评估中使用客观科学的预测模型来帮助解决这一问题是极为重要的。当前对于信用风险评估吸引了很多研究兴趣，近来的研究中发现机器学习技术较传统的统计学技术有更好的表现。本文通阅读和总结国内外互联网借贷和信用预测的相关文献，梳理了互联网借贷平台信用预测模型的发展，同时提出将支持向量机运用于互联网借贷平台个人信用预测这一问题，试图提出具有更好解释力和稳定性的模型。同时选取了拍拍贷的信用贷款数据进行实证分析，旨在对互联网借贷平台个人信用违约概率进行度量，并在文末对我国未来互联网借贷平台的发展提出建议。

本文采用的研究方法如下，分别是文献综述发和定量研究法。首先通过阅读国内外互联网借贷平台及个人信用评估方面的相关文献，对互联网借贷平台的发展历史和个人信用预测相关模型进行了解，并参考了对于个人信用预测模型影响变量的选取和设置以运用于本文的实证研究中。其次本文通过搜集拍拍贷的信贷数据，采用支持向量机的这一统计学方法，构建互联网借贷平台的个人信用预测模型。支持向量机方法是一种融合了传统统计方法优势的在理论和分析方面更加强大的机器学习方法。相关支持向量机方法的研究中，其在信用评估预测方面的应用被证明与传统的Logit方法和其他分类器诸如ANN、CBR等是更具优势的。

1.3文章结构与创新

本文主要对互联网借贷和支持向量机相关原理进行了介绍，并采用实证分析的办法，运用支持向量机方法对互联网借贷的个人信用做出预测效果评估。

剩余内容已隐藏，请支付后下载全文，论文总字数：29396字