文献类型：期刊文章

作　　者：马晓君[1] 宋嫣琦[1] 常百舒[1] 袁铭忆[1] 苏衡[2]

MA Xiao-jun;SONG Yan-qi;CHANG Bai-shu;YUAN Ming-yi;SU Heng(School of Statistics,Dongbei University of Finance&Economics,Dalian 116025,China;Academic Affairs Office,Dongbei University of Finance&Economics,Dalian 116025,China)

机构地区：[1]东北财经大学统计学院,辽宁大连116025 [2]东北财经大学教务处,辽宁大连116025

出　　处：《统计与信息论坛》

基　　金：国家自然科学基金项目“带有辅助信息的混合模型的统计推断和应用”(11701071);教育部人文社会科学研究项目“减排目标限定下中国碳排放权的省区分配:初值确定及动态调整研究”(18YJC910013);辽宁省社科规划项目“辽宁省互联网金融发展测度及其地区影响效应统计评估”(L18CTJ003)。

年　　份：2020

卷　　号：35

期　　号：7

起止页码：9-17

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：在互联网金融背景下,智能算法的应用能够为经济领域提供新的思路和方向,有效推动中国互联网金融向“互联网+金融+智能”模式的转变。P2P网络借贷是通过P2P公司搭建的第三方互联网平台进行“个人对个人”的直接信贷。以人人贷平台为研究对象,运用特征工程技术,将CatBoost算法应用于构建P2P违约预测模型,并对违约影响因素进行综合分析。结果表明,CatBoost算法的预测准确率达96%,对实际结果的拟合效果较好,并能够对模型出错所导致的损失成本进行有效控制。此外,综合分析违约影响因素发现,借款人的信用情况对借款人违约行为影响较大,其中还清贷款次数、逾期次数与成功借款次数应作为借款人信用评估的重要参考指标。结合本文的研究成果与中国P2P行业发展状况,本文建议P2P平台积极促进数据分析与测算分析技术的革新与应用,政府及相关部门形成政策法规的同步发展,促成从平台内部到外部环境的合力发展态势。

关 键 词：P2P 违约预测模型  CatBoost算法  特征工程  影响因素

分 类 号：C812[统计学类]