基于数据挖掘的我国P2P网络借贷违约预测模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 现实背景 | 第9-10页 |
| 1.1.2 理论背景 | 第10-11页 |
| 1.2 研究目的和研究意义 | 第11-12页 |
| 1.2.1 研究目的 | 第11-12页 |
| 1.2.2 研究意义 | 第12页 |
| 1.3 研究内容和论文结构 | 第12-13页 |
| 1.4 主要创新点 | 第13-14页 |
| 2 文献综述 | 第14-35页 |
| 2.1 P2P网络借贷理论 | 第14-17页 |
| 2.1.1 P2P网络借贷基本概念与特征 | 第14-15页 |
| 2.1.2 信息不对称理论 | 第15-16页 |
| 2.1.3 P2P网络借贷违约理论 | 第16-17页 |
| 2.2 P2P网络借贷风险控制理论 | 第17-19页 |
| 2.2.1 国外P2P网络借贷风险控制研究 | 第17-18页 |
| 2.2.2 国内P2P网络借贷风险控制研究 | 第18-19页 |
| 2.3 数据挖掘理论 | 第19-33页 |
| 2.3.1 数据挖掘算法概述 | 第19-20页 |
| 2.3.2 数据挖掘算法特征 | 第20页 |
| 2.3.3 数据挖掘算法的应用 | 第20-21页 |
| 2.3.4 数据挖掘经典算法 | 第21-33页 |
| 2.4 非平衡数据理论 | 第33-34页 |
| 2.4.1 非平衡数据概述 | 第33页 |
| 2.4.2 非平衡数据处理方法 | 第33-34页 |
| 2.5 文献综述小结 | 第34-35页 |
| 3 模型算法的选择与模型构建 | 第35-41页 |
| 3.1 模型性能的评价标准 | 第35-36页 |
| 3.2 模型算法的对比 | 第36-40页 |
| 3.2.1 逻辑回归算法 | 第37页 |
| 3.2.2 神经网络算法 | 第37-38页 |
| 3.2.3 随机森林算法 | 第38-39页 |
| 3.2.4 算法小结 | 第39-40页 |
| 3.3 模型构建 | 第40-41页 |
| 4 实证分析 | 第41-47页 |
| 4.1 研究案例的选取 | 第41页 |
| 4.2 数据的收集 | 第41-43页 |
| 4.3 数据的预处理与数据描述 | 第43-44页 |
| 4.4 软件介绍 | 第44页 |
| 4.5 模型预测 | 第44-46页 |
| 4.6 结果分析 | 第46-47页 |
| 5 模型优化 | 第47-54页 |
| 5.1 优化思路 | 第47-48页 |
| 5.2 优化方法 | 第48-51页 |
| 5.2.1 阈值调整 | 第48-49页 |
| 5.2.2 Dist指标 | 第49-50页 |
| 5.2.3 优化后的模型 | 第50-51页 |
| 5.3 优化结果 | 第51-54页 |
| 6 研究结论与展望 | 第54-56页 |
| 6.1 研究结论 | 第54页 |
| 6.2 研究创新点 | 第54页 |
| 6.3 研究局限性 | 第54-55页 |
| 6.4 未来研究方向 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
