导　　师： 杨广仁

授予学位： 硕士

作　　者： (）;

机构地区： 暨南大学

摘　　要： 当前,随着“互联网”时代的到来,P2P网络借贷作为金融行业转型的典型代表,得到了迅猛的发展。截止2017年11月6日,我国P2P网络借贷平台已经有5949家,截止2017年10月底,其交易额已经达到了57812.89亿元,然而,因停业、转型、跑路、提现困难、经侦介入等退出的问题平台已经累计达3974家,约占累计平台数量的66.80%。因此,文章基于P2P平台高风险和无监控的现状,利用多元自适应回归样条、广义可加模型等非参数方法以及Group LASSO高维变量选择方法,对我国所有P2P平台的风险进行预测,在保证模型预测效果的前提下,进一步提高模型的解释性,为广大投资者提供更多可直接参考的投资决策,从而尽量避免自身利益的损失。通过建立MARS模型、基于MARS方法的GAM模型和基于Group LASSO方法的GAM模型,并与其他传统机器学习方法进行比较,得出了以下几点结论和建议:(1)基于Group LASSO方法的GAM模型对P2P平台的预测效果最佳,其总体准确率、第一类精度、第二类精度分别达到82.64%、82.41%、82.99%;(2)对于平台基本信息,已上线时长越长、获得ICP许可证、加入监管协会、平台背景为国资系、上市系、银行系和风投系的P2P平台,其风险要相对低一点;(3)对于平台的运营模式,参考投资期限越长、每天展示交易数据的P2P平台,其风险较低;(4)投资人不能过于相信P2P平台的投标保障;(5)对于网友评论信息,网友印象评价的前七个关键词中,出现“老板牛”、“提现快”的P2P平台,其风险相对较低,而出现“坑爹”关键词的P2P平台,则风险较高;(6)对于平台交易信息,平均参考收益率大于8.4%时,P2P平台的风险将急剧上升;(7)对于用户点评信息,平均提现分大于3.5分的P2P平台,其风险较低。更多还原

关 键 词： 多元自适应回归样条 广义可加模型 Group LASSO [7590992]P2P网络借贷

分 类 号： [F832.4;F724.6]

领　　域： [] []