P2P網貸平台信用風險識別、評估與預警研究

《P2P網貸平台信用風險識別、評估與預警研究》是依託哈爾濱理工大學，由袁宇擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：P2P網貸平台信用風險識別、評估與預警研究
• 項目類別：青年科學基金項目
• 項目負責人：袁宇
• 依託單位：哈爾濱理工大學

項目摘要

隨著我國P2P網貸平台的快速發展和信用風險問題的不斷暴露，如何加快P2P監管機制建設已成為政府、行業和學者們高度重視的議題。本課題擬從P2P平台信用風險的來源特徵、形成特徵、參與者特徵以及借貸產品屬性特徵等視角出發，研究P2P平台信用風險的評估與預警機制。結合關鍵風險驅動指標甄選提煉P2P網貸平台信用風險的主要影響因素；利用健康平台和問題平台的數據對BP神經網路進行訓練，得到信用風險評估模型，進而評估我國P2P網貸平台信用風險現狀，針對評估結果認定風險較高的平台，採用Logistic回歸方法構建P2P平台信用風險預警模型，預測平台發生信用風險的機率，並對該模型的預測精度、敏感性和魯棒性等進行實證檢驗。本課題通過對P2P網貸平台這一主體信用風險評估與預警的研究，進一步豐富和完善P2P平台信用風險管理理論，以期為P2P網貸投資者提供決策支持，為政府、行業等制定監管機制提供理論依據和方法參考。

結題摘要

P2P網貸是一個新興業態，具有創新速度快、機構數量變化大、風險易發等特點。本課題從P2P平台行業視角對信用風險識別、評估和風險預警深入研究。本課題採用的信用風險評估方法有別於傳統的靜態、個體性分析評估方法，而採用橫截面的同類別群體性、動態對比分析。通過平台公開數據、網路抓取數據、第三方機構公布信息和巨觀統計數據進行解析和疊代，形成可用的關係數據，對數據進行預處理，依據風險評級理論探討信用風險評估方法。在P2P網貸平台信用風險評估的指標體系基礎上，借鑑企業和銀行的信用風險評級方法，結合網貸平台的特點，通過爬蟲軟體GooSeeker和Python從第三方網站平台，爬取180家網貸平台數據進行分析。利用SPSS軟體中的K-means聚類方法，結合所爬取的數據進行聚類分析。將平台分成6類，從而達到對網貸平台進行評級的目的。通過Logistic回歸發現，債券是否可轉讓、是否有擔保公司、平均收益率和平均借款期限這4個因素都對P2P平台的違約機率具有顯著性影響。利用Python構建一個三層BP神經網路，將有51家數據的訓練集投入到神經網路中進行訓練，循環疊代訓練有限次之後，然後將41家數據的測試集投入到神經網路中檢驗，根據仿真結果分析，BP神經網路的檢驗準確率高達95.45%。通過構建RBF神經網路進行驗證，測試結果準確率達到93.33%；最後與BP神經網路算法對比，最佳化信用風險模型。本課題的研究能夠合理預測平颱風險狀況，為借貸人提供參考，為監督機構提供決策支持。