好贷杯风控人才大赛冠军队作品

参赛队号#1163
对模型进行检验，发现当风险评分值在 104 分时，成功贷款用户累计占比为 62.5%，未成 功贷款用户累计占比为 51.26%，且 K-S 值为 0.11，表明风险分数在 104 分以下可以发放贷 款，而在 104 分以上应该拒绝发放贷款。因企业数据量较少，本文采用神经网络模型对企 业贷款影响因素进行研究，发现借款金额、教育程度、企业类型等变量对企业贷款结果存 在重要影响。同时通过构建 ROC 曲线图对模型进行检验，结果表明模型具有实际意义。 最后，根据 logistic 回归模型以及神经网络模型的研究结论，本文提出了 P2P 网络借贷 环境下对于信用风险控制的对策和建议。
参赛队号#1163
第一届“好贷杯”中国高校 风险管理与控制能力挑战赛 承诺书
我们仔细阅读了第一届“好贷杯”中国高校风险管理与控制能力挑战赛的竞赛规则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上 咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道， 抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料 （包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献 中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则 的行为，我们接受相应处理结果。 我们允许数学中国网站 ()公布报告，以供网友之间学习交流，数学中国 网站以非商业目的的交流不需要提前取得我们的同意。 我们同意组会将我们的简历提供给相关企业，作为企业选拔人才的依据。 我们的参赛队号为：#1163 参赛队员 (签名) ： 队员 1：刘巧莉 队员 2：姚香秀 队员 3：邹承元 参赛队教练员 (签名)： 参赛队伍组别：研究生组
题目 P2P 网络贷款的风险评估与控制研究 关键词 logistic 回归神经网络风险评分
摘要
近年来，各种新形式下的互联网金融服务类企业迅猛发展，P2P 小额借贷因在解决中 小企业融资难问题，提高金融普惠性，促进经济发展方面发挥着重要作用，从而成为互联 网金融模式的重要形式之一。本文利用“好贷网”申请贷款模拟数据，以及获贷结果数据， 通过建立 logistic 回归模型和神经网络模型，分别针对个人贷款和企业贷款进行数据分析， 识别影响借贷结果的重要因素，并通过对信用评分卡方法的改进建立风险评分模型，对贷 款用户进行风险评分，同时利用模型判断影响企业获贷情况的重要因素，为企业量化科学 的识别贷款用户资质做出贡献。 首先， 本文针对 apply 表中非结构化数据， 利用 SQL Server 2008 以及 JAVA 软件对 apply 表中的 remark，reviews，detail 字段进行文本处理，通过模糊匹配等方法根据用户申请信息 及关键字段识别个人贷款和企业贷款，并分别建立个人贷款分析表以及企业贷款分析表。 经数据清洗以及缺失处理，本文最终获得 10346 条个人贷款分析数据和 3007 条企业贷款 分析数据，通过对数据的预处理及探索性分析，初步掌握与理解贷款结果与各变量之间的 关系，为数据建模提供一定的指导。 其次，本文利用 logistic 回归模型，以各变量在各分箱下的证据权重（WOE 值）作为 输入变量，以贷款结果作为输出变量，研究个人贷款情况下变量与贷款结果之间的关系。 研究结果表明：work_city ,company_type，marriage，salary，ss_fund，work_time，type 以 及 month 八个变量对贷款结果有显著影响。此外，本文利用业界通用的信用评分方程式对 回归系数进行转化，建立各变量在各分箱下的评分值表，形成评分卡体系。通过 K-S 指标
参赛队号#1163
目录
引言 ............................................................................................................................................................... 1 一、数据准备 ............................................................................................................................................... 2 1.1 贷款申请分类 ..................................................................................................................................... 2 1.1.1 确定申请类型及分类信息 ......................................................................................................... 2 1.1.2 贷款申请分类 ............................................................................................................................. 4 1.2 用户信息补充 .................................................................................................................................... 4 1.2.1 个人贷款用户信息补充 ............................................................................................................. 4 1.2.2 企业贷款用户信息补充 ............................................................................................................. 6 1.3 构建分析表 ........................................................................................................................................ 8 1.3.1 个人贷款分析表 ......................................................................................................................... 8 1.3.2 企业贷款分析表 ....................................................................................................................... 10 二、数据清洗 ............................................................................................................................................. 11 2.1 逻辑处理 .......................................................................................................................................... 11 2.1.1 个人贷款数据处理 ................................................................................................................... 11 2.1.2 企业贷款数据处理 ................................................................................................................... 12 2.2 变量分类 .......................................................................................................................................... 12 2.2.1 个人贷款变量处理 ................................................................................................................... 12 2.2.2 企业贷款变量处理 ................................................................................................................... 13 2.3 缺失值处理 ...................................................................................................................................... 13 三、数据理解 ............................................................................................................................................. 16 3.1 个人贷款分析表 .............................................................................................................................. 16 3.1.1 连续变量离散化 ....................................................................................................................... 16 3.1.2 分类变量间联系 ....................................................................................................................... 19 3.1.3 分类变量关联的单变量检验 ................................................................................................. 20