基于大数据的P2P金融风险控制系统的设计与实现
致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 引言 | 第12-20页 |
1.1 论文的背景与意义 | 第12-13页 |
1.2 国内外发展现状 | 第13-18页 |
1.2.1 国外P2P网贷行业及其风险控制现状 | 第13-14页 |
1.2.2 国内P2P网贷行业现状 | 第14-16页 |
1.2.3 国内P2P网贷行业风险控制现状 | 第16-18页 |
1.3 论文主要内容及组织结构 | 第18-19页 |
1.4 本章小结 | 第19-20页 |
2 相关技术概述 | 第20-28页 |
2.1 Web.py框架 | 第20-21页 |
2.2 RESTful架构及REST服务 | 第21-22页 |
2.3 Hive数据仓库 | 第22-23页 |
2.4 特征工程 | 第23-25页 |
2.4.1 特征预处理 | 第24页 |
2.4.2 特征选择 | 第24页 |
2.4.3 降维 | 第24-25页 |
2.5 其他公式 | 第25-26页 |
2.5.1 WOE值以及IV值 | 第25-26页 |
2.5.2 Ks值 | 第26页 |
2.6 本章小结 | 第26-28页 |
3 金融风险控制系统需求分析 | 第28-38页 |
3.1 P2P产品线整体项目介绍 | 第28-29页 |
3.2 风险控制系统功能分析 | 第29-34页 |
3.2.1 风险决策 | 第30-32页 |
3.2.2 A/B模型测试以及模型管理 | 第32-33页 |
3.2.3 产品监控 | 第33-34页 |
3.3 数据库需求分析 | 第34页 |
3.4 性能需求分析 | 第34-35页 |
3.5 算法需求分析 | 第35-36页 |
3.6 本章小结 | 第36-38页 |
4 金融风险控制系统设计 | 第38-48页 |
4.1 系统总体架构 | 第38-40页 |
4.1.1 表现层 | 第38-39页 |
4.1.2 业务逻辑层 | 第39-40页 |
4.1.3 数据层 | 第40页 |
4.2 数据库设计 | 第40-47页 |
4.2.1 实体关系 | 第41-42页 |
4.2.2 数据库表设计 | 第42-47页 |
4.3 本章小结 | 第47-48页 |
5 特征工程以及风险控制模型开发 | 第48-68页 |
5.1 数据来源 | 第48-50页 |
5.1.1 内部数据源 | 第49页 |
5.1.2 第三方数据源 | 第49-50页 |
5.2 数据预处理 | 第50-52页 |
5.2.1 数据核对 | 第51页 |
5.2.2 数据清洗 | 第51-52页 |
5.3 特征工程特征衍生以及筛选 | 第52-57页 |
5.3.1 特征衍生设计与实现 | 第52-56页 |
5.3.2 特征筛选 | 第56-57页 |
5.4 Xgboost模型构建 | 第57-63页 |
5.4.1 Xgboost分布式部署 | 第57页 |
5.4.2 Xgboost算法概述 | 第57-59页 |
5.4.3 Xgboost训练以及结果 | 第59-63页 |
5.5 逻辑回归模型构建 | 第63-64页 |
5.6 Xgboost-L模型构建 | 第64-67页 |
5.7 本章小结 | 第67-68页 |
6 金融风险控制系统详细设计及实现 | 第68-80页 |
6.1 风险控制系统包设计 | 第68-69页 |
6.2 风险决策模块详细设计与实现 | 第69-75页 |
6.2.1 风险控制模块流程设计 | 第69-70页 |
6.2.2 风险决策模块类设计 | 第70-72页 |
6.2.3 风险决策模块时序设计 | 第72-73页 |
6.2.4 风险决策模块反欺诈子模块设计 | 第73-75页 |
6.3 A/B测试模块详细以及模型管理设计与实现 | 第75-77页 |
6.4 监控模块详细设计与实现 | 第77-78页 |
6.5 本章小结 | 第78-80页 |
7 金融风险控制系统测试 | 第80-86页 |
7.1 测试环境 | 第80页 |
7.2 功能性测试 | 第80-83页 |
7.3 非功能性测试 | 第83页 |
7.4 模型小流量线上测试 | 第83-84页 |
7.5 本章小结 | 第84-86页 |
8 总结展望 | 第86-88页 |
8.1 项目总结 | 第86页 |
8.2 未来展望 | 第86-88页 |
参考文献 | 第88-90页 |
作者简历及攻读硕士学位期间取得的研究成果 | 第90-94页 |
学位论文数据集 | 第94页 |