P2P网络贷款信用的风险评估

被引：23

作者：

傅彦铭 ^{[1
,2
]}

臧敦刚 ^{[3
]}

戚名钰 ^{[4
]}

机构：

[1] 四川大学理论经济学博士后流动站

[2] 广西大学计算机与电子信息学院

[3] 四川农业大学经济管理学院

[4] 中国科学技术大学软件学院

来源：

统计与决策 | 2014年 / 21期

关键词：

P2P网络贷款; 信用风险评估; 支持向量机; 神经网络;

D O I：

10.13546/j.cnki.tjyjc.2014.21.048

中图分类号：

F724.6 [电子贸易、网上贸易]; F832.4 [信贷]; F224 [经济数学方法];

学科分类号：

1201 ; 020204 ; 0701 ; 070104 ;

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日至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%。

引用

页码：162 / 165

页数：4

共 7 条

[1] P2P网络借贷中投资者出借意愿影响因素分析 [J].

宋文 ;

韩丽川 .

西南民族大学学报(自然科学版), 2013, 39 (05) :795-799

[2] 基于支持向量机的上市公司信用风险评估研究 [J].

唐建荣 ;

谭春晖 .

统计与决策, 2010, (10) :65-67

[3] 基于Matlab的主成分分析方法(PCA)的实现 [J].

张敏 ;

李陶深 ;

钟淑瑛 .

广西大学学报(自然科学版), 2005, (S2) :74-77

[4] 基于支持向量机的商业银行信用风险评估 [J].

侯惠芳 ;

刘素华 ;

不详 .

计算机工程与应用 , 2004, (31) :176-178+192

[5]

基于人工神经网络的商业银行信用风险评估模型研究.[D].翟万里.长沙理工大学.2013, 01

[6]

入侵检测中支持向量机参数选择方法研究.[D].周玖玖.中南大学.2012, 02

[7]

支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,

← 1 →