基于C5.0算法的小额网贷平台的风险监控研究

详细信息    查看官网全文

• 英文论文题名：The Study of the Risk Control System on P2P Platforms Based on the C5.0 Algorithm
• 论文作者：王茂光 ; 葛蕾蕾 ; 赵江平
• 英文论文作者：WANG Mao-guang ; GE Lei-lei ; ZHAO Jiang-ping ; School of Information ; Central University of Finance and Economics
• 年：2016
• 作者机构：中央财经大学信息学院;
• 论文关键词：小额网贷 ; 风险监控 ; C5.0决策树算法 ; α错误率
• 英文论文关键词：P2P ; risk control ; C5.0 decision tree algorithm ; α error rate
• 会议召开时间：2016-11-12
• 会议录名称：第十八届中国管理科学学术年会论文集
• 英文会议录名称：Proceedings of the 18th Chinese Annual Conference on Management Science
• 语种：中文
• 分类号：F724.6;F832.4;TP311.13
• 学会代码：ZHYJ
• 会议名称：第十八届中国管理科学学术年会
• 会议地点：中国陕西西安
• 主办单位：中国优选法统筹法与经济数学研究会、西安交通大学、中国科学院科技战略咨询研究院、《中国管理科学》编辑部
• 学会名称：中国优选法统筹法与经济数学研究会
• 页数：8
• 文件大小：835k
• 原文格式：O
• 会议级别：全国

摘要

近年来,互联网金融在国内发展迅速,各种类型的小额网贷平台更是层出不穷,但是随着平台跑路,欺诈等各种问题的涌现,暴露出对小额网贷平台监管的不足。本文以C5.0决策树算法为核心建立起风险监控模型,首先利用大数据技术抓取平台数据、公开信息数据和征信机构数据,然后对数据分析,筛选关键指标体系,建立了一种风控模型,最后评估和验证模型及算法的有效性,并通过对模型的参数进行调整,提出以保证整体错误率的前提下,尽可能的降低α错误率的评价标准。通过实验发现,该风控模型对问题平台有着很好的预测能力。
Recently,Internet Finance has become more and more popular.However,its booming brings a series of risk control problems.Based on the C5.0 Decision Tree algorithms model to monitor the P2 P platforms is proposed in this paper.It collected and analyzed the data including the platform data,the public enterprise data and the credit data so on.After that we studied a model including the key evaluation factors.And by adjusting and testing the parameters of the model,we made full use of C5.0 algorithm to predict and evaluate the P2 P enterprise risks.Finally,we verified and proved that this model had a good ability of evaluating and predicting the platforms risks.

引文

[1]Quinlan J R.C4.5:Programs for Machine Learning[M].San Mateo,Cali fornia:Morgan Kaufmann,1993.
    [2]Ruggieri S.Efficient C4.5[J]IEEE Transactions on Knowledge and Data Engineering,2002.14(2):438-444.
    [3]Breiman L.Friedman JH,Olshen RA.et al.Classification and regression trees[M]New York:Chapman&Hall(Wadsworth.Inc.)s 1984.
    [4]刘红岩,陈剑,陈国清.数据挖掘中的数据分类算法综述[J].清华大学学报,2002,42(6):727-730.
    [5]李旭.五种决策树算法的比较研究[D].辽宁:大连理工大学,2012.
    [6]栾丽华,吉根林.决策树分类技术研究[J].计算机工程,2004,30(9):94-96.
    [7]李园园.决策树算法实现及其在信用风险控制中的应用[D].济南:山东大学,2013.
    [8]彭实凤.基于CHAID决策树的信用卡风险管理系统设计[D].上海:复旦大学,2013.
    [9]温洁.决策树算法在银行风险监控中的应用研究[D].厦门:厦门大学,2009.
    [10]庞素琳,巩吉璋.C5.0分类算法及在银行个人信用评级中的应用[J].系统工程理论与实践,2009,29(12):94-104.
    [11]李元年.基于熵理论的指标体系区分度测算与权重设计[D].南京:南京航空航天大学,2008.
    [12]Quinlan J R.Bagging,boosting,and C4.5[C]//Proceedings of 14~(th)National Conference on Artificial Intelligence,Portland,Oregon,Augst 4-8,1996:725-730.
    [13]零壹研究院数据中心.行业数据[DB/CD].零壹数据,2016.
    [14]安玉琢,鲁小妮.基于决策树技术的企业信用风险评估[J].河北工业大学学报,2006,(12):64-68.
    [15]郑享清,王见,吴莉君.主成分分析法下企业信用风险评估研究[J].财会通讯,2010,(8):140-141.
    [16]吴军,张继宝.信用风险量化模型比较分析[J].国际金融研究,2004,(8):50-54.
    [17]吴秋华.基于粗糙集-CART模型的小企业信用评估研究[D].西安:哈尔滨工业大学,2013.
    [18]张萌.企业信用评估体系与评估方法研究[D].西安:西北大学,2006.
    [19]李寻.企业信用评估体系的研究[D].成都:电子科技大学,2012.
    [20]马晓青,刘莉亚,胡乃红,等.小企业信用评估的模型构建与实证分析[J].财经研究,2012,(5):28-37.