基于惩罚回归的互金借贷逾期风险预测及应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 互联网金融背景 | 第8-14页 |
| 1.1.1 征信 | 第8-10页 |
| 1.1.2 贷款 | 第10-11页 |
| 1.1.3 金融科技与风险控制 | 第11-13页 |
| 1.1.4 法规与网络信息安全 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.3 研究内容 | 第17-20页 |
| 第二章 预备知识 | 第20-30页 |
| 2.1 核密度估计 | 第20-21页 |
| 2.2 线性模型与广义线性模型 | 第21-25页 |
| 2.2.1 线性回归模型 | 第21-23页 |
| 2.2.2 广义线性模型 | 第23-24页 |
| 2.2.3 Logistic回归 | 第24-25页 |
| 2.3 惩罚回归 | 第25-27页 |
| 2.4 逻辑回归与惩罚回归的模拟研究 | 第27-30页 |
| 第三章 二分类预测的性能评价 | 第30-35页 |
| 3.1 混淆矩阵的指标及ROC曲线 | 第30-31页 |
| 3.2 检验与评估 | 第31-33页 |
| 3.2.1 非参数McNemar检验 | 第31-32页 |
| 3.2.2 非参数K-S检验 | 第32-33页 |
| 3.3 基于R语言的分类性能评价 | 第33-35页 |
| 第四章 借贷数据分析应用 | 第35-56页 |
| 4.1 借贷数据介绍与处理 | 第35-37页 |
| 4.2 借贷数据的探索性数据分析 | 第37-43页 |
| 4.2.1 分类型变量探索 | 第37-39页 |
| 4.2.2 数值型变量探索 | 第39-41页 |
| 4.2.3 不同变量间的探索 | 第41-43页 |
| 4.3 逾期概率预测的风险模型 | 第43-56页 |
| 4.3.1 数据预处理 | 第43-44页 |
| 4.3.2 全训练集的logistic回归模型 | 第44-46页 |
| 4.3.3 利用训练集构建模型预测测试集数据 | 第46-56页 |
| 第五章 总结 | 第56-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
