基于支持向量机的PP信贷风险评估模型研究论文.doc

【摘 要】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。

【Abstract】Britain's ZOPA， the United States' Lending Club are all online lending

platform. in recent years， there have been a lot of domestic lending platform becoming:

PaiPai loan， RenRen loan， HongLing venture capital， AnXin loan， etc.. At present for

the latest statistics hundreds of domestic P2P lending platform has reached the annual profit

rate of 30% - 10%， the large volume of the site can make a day of the transaction amount of

millions， or even tens of millions. But its bad credit problems cannot be ignored. And

recently may be announced the introduction of the Internet financial risk special rectification

work program is a warning to improve the efficiency and accuracy of online lending.

Therefore the main perspective of this paper is the borrower's credit risk characteristics.

Starting from the borrower's personal information， selecting evaluating indicator， using

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

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

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

信息、确定信息价值和另外的一些中介的服务，确切来讲，平台不会参与到借款人与投

资方的利益链中，而是在两方在发生债权与债务的关系中起到中介媒体的作用，期间收

取的手续费便是他们的创收来源。在中国，因为个人征信体系尚未健全完善，上述的传

统网贷模式对于保护投资者利益有一定困难，因为借款人方面一旦出现大面积的逾期现

象，投资者将会损失惨重。

因此，在不断的学习探索，如 P2P 网贷建议引入亲朋进行联保来保障信用贷款，其

他贷款方面则可以引入抵押或质押进行反担保。同时，企业贷款项目引进第三方融资担

保公司对项目进行审核和本息担保，并要求其担保规模要与担保方的担保额度相匹配，

担保方也要加强自身的风控管理。网贷，又称 P2P 网络借款。P2P 是英文 peer to peer 的

缩写，意即“个人对个人”。Zopa 成立于 2005 年 3 月，Zopa 是英国著名的网贷平台，

月成立，随之而来的也是一系列的 P2P 平台的快速出现与发展，第一网贷报告显示，截

止 2016 年 5 月底，纳入中国 P2P 网贷指数统计的 P2P 网贷平台为 4033 家，这些平台基

本反映了目前全国 P2P 网贷的全貌；未纳入指数、而作为观察统计的 P2P 网贷平台为

803 家；另外还观察了其余的 706 家 P2P 网贷平台。三者合计共 5542 家 P2P 网贷平台，

创历史新高。

深圳市钱诚互联网金融研究院（第一网贷）刚刚发布的《2016 年 5 月份全国 P2P

网贷行业快报》显示，5 月份全国 P2P 网贷成交额逼近 2000 亿元，达到 1912.04 亿元，

环比增长 12.34%，同比增长 1.51 倍；5 月份全国月 P2P 网贷利率首次破 9，降至

8.91%，创历史新低，环比下降 0.44 个百分点，同比下降 4.5 个百分点；5 月份全国 P2P

网贷期限 6.49 月，环比延长 3.51%，同比延长 14.26%；5 月份全国 P2P 网贷参与 人数

计共 5542 家，创历史新高；截至 5 月 末，中国互联网金融现代统计和风险监测预警系

统风险池的风险预警平台 3299 家，占全国 P2P 网贷平台 5542 家的 59.53%，风险池名

单环比减少 13 家，该名单已连续 2 个月减少，这是 P2P 网贷风险池建立四年来的第一

次。

1.2.1 信息对 P2P 网贷的影响

关于 P2P 交易信息的大量研究数据表明，根据网络贷款平台提供的融资中介业务服

务因为其平台的金融中介原因可以提升借款者的还款意图，在其中发挥重要角色的作用。

有相关研究证明借贷平台的出现，借款人的信用评价会一定程度上提高。根据 Samuel

认为，投资方通常在投资之前需要了解贷款人的信用信息进行并进行筛选，而这个过程