基于支持向量机的P2P信贷风险评估模型研究

众所周知的来自英国的ZOPA和来自美国的Lending Club平台等这些平台都是借助网络来进行借贷等交易业务的平台，我国国内近些年也出现了很多类似的新型平台，例如：拍拍贷借贷平台、人人贷平台、红岭创投网络借贷平台、安心贷平台等等。根据国内的最新统计数据网络借贷平台已经有上百家，年化利率平均保持在10%－30%间，其中成交量比较大的网站平均每天成交金额就可能达到几百万，多的可以达到上千万。但其信用坏账问题不容忽视。而最近有望出台的互联网金融风险专项整治工作方案更是说明规范，优化P2P网贷的迫切性。所以本文主要探究在P2P平台上有关借款者信用风险的相关特点，首先从借款人的个人信息着手，选定指标，运用了支持向量机的方法进而来设计关于信用风险的评估模型，为提升平台对借款者的偿还债务的能力辨别的精准度，减少或避免投资者的损失给出了相关建议。

【关键词】P2P网贷  信用风险  支持向量机

目   录

第1章绪论 1

1.1研究背景及意义 1

1.2国外研究综述 1

1.2.1信息对P2P网贷的影响 1

1.2.2借贷双方在平台上的相互关系 2

1.2.3借贷双方生理特征会影响其行为 2

1.3国内研究综述 2

1.4个人信用评估发展情况 3

1.4.1国外个人信用评估模式 3

1.4.2国外个人信用评估模式共同点 3

1.4.3我国个人信用评估现状 4

1.4.4我国P2P平台借款人信用风险评估现状 5

1.5本文研究方法 5

1.6本文组织结构 5

第2章 相关理论基础 6

2.1 P2P网络借贷信用风险分析 6

2.1.1 P2P网络借贷含义与借贷角色 6

2.1.2 P2P网络平台面临的信用风险 7

2.2 支持向量机（SVM）的理论 8

2.2.1 线性可分支持向量机 9

2.2.2 非线性支持向量机 11

2.2.3 序列最小最优化方法 SMO 13

第3章 模型研究 14

3.1 准备工作 14

3.1.1 数据 14

3.1.2 软件工具 15

3.2 评估指标 16

3.3 验证方式 18

3.4 模型比较 21

3.4.1数据预处理 21

3.4.2.开始进行分类： 22

3.4.3.模型分类的比较与选取 23

第4章 总结与展望 27

4.1 总结 27

4.1.1 研究结论 27

4.1.2 主要创新 27

4.1.3 不足之处 27

4.2 展望 28

致   谢 29

参考文献 30