基于非线性组合模型P网贷平台危机预警,本论文为您写非线性毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
非线性论文参考文献：
摘 要：针对P 網贷平台 流较大、利润率较低和财务数据获取困难的特点,构建基于平台交易真实数据的危机预警评价指标体系和组合预测模型.将传统的财务评价指标转换成网贷平台交易数据指标,运用邻域粗糙集属性约简的方法对采集的数据指标进行降噪和约减处理,再基于机器学习理论引入神经网络、支持向量机和Logit回归等模型对数据进行训练.通过分组进行单模型和组合模拟预测,提高了新的破产指标下各模型预测的准确率.
关键词： P 网贷；危机预警；组合模型；神经网络；支持向量机
中图分类号：F832；F424文献标识码：A文章编号：10037217（2017）06002306
一、导论
P 网贷平台作为一个新兴的个人对个人的投资借贷平台正处在一个快速成长阶段,现有监管大多为事后监管,对于事前预测特别是基于网贷平台外部数据的科学预测理论和应用准备不足＼[1＼].网贷平台具有挤兑风险,贷款逾期发生时,P 网贷平台会出现暂时的流动性不足,一旦放款人之间协调失败就会导致平台出现挤兑风险[2,3].P 网贷平台陷入经营困境的整个过程是动态发生的,若能在P 平台陷入经营困境早期就发现征兆,并能预测生存状况恶化的一系列动态过程,这对于平台的经营者、投资者和行业监管者,都将有着非凡的意义.
现有文献当中,潘庄晨等梳理债权产品和产权产品的信用风险评价模型,认为互联网金融企业更加适合偏重定价功能的产权产品风险评价模型＼[4＼]；周少甫对2 193家网贷平台使用Logit模型进行研究,认为网贷平台能够提供良好的资金保障、具备健全的资金托管制度和流动性较高的债权转让方式,可有效降低平台出现重大经营问题＼[5＼].常用的风险预警模型主要有多元判别分析、Logistic回归模型、神经网络、FR模型、STV截面回归模型和KLR信号分析模型等.由于Logistic回归模型对变量的分布、变量之间的协方差没有过多的假设要求,因此被广泛用在信用风险预警,且国外的许多研究都表明Logistic回归模型比较有效＼[6,7＼].庞素林等利用Logistic回归模型构建风险预警模型,并以实证研究证明模型的高效性＼[8-10＼].
现有文献对P 平台经营困境的预警研究较少,具有一定的研究价值.本文主要研究通过使用最新的前沿信息技术,构建科学的评价体系和危机预警模型,识别问题网贷平台,预测P 网贷平台的危机风险.
二、P 网贷平台危机预警指标选择和约简
本文针对P 网贷平台的特点,提出基于真实交易数据的评价思路,以交易数据代替财务数据保证数据真实性.一方面,从理论基础、国内外文献及国内主管部门监管指导意见选择能反映P 网贷平台运营和风险的相关指标；另一方面,根据P 网贷平台所具有的互联网大数据特性,通过业内门户网站、网贷之家、网贷天眼收集.同时,将数据指标进行科学处理,并对结果进行检验,从而尽可能的保证风险评价指标的科学性、可信性.力求用最少的可观测指标,尽量多的反映平台运营风险信息.
(一)危机预警原始评价指标选择
本文将能够观测到的P 网贷平台微观指标纳入评价范围,尽量确保评价指标的完整性.使用的各项指标数据来源于P 网贷平台第三方统计
网站,所有数据都能够做到逐月更新,其中大多数数据能够做到逐日更新,保证了经过建模处理过的风险值能够每月（每日）连续输出.在数据采集过程中,抓取的信息包括：平台每日成交量、平均利率、投资人数、平均贷款期限、借款人数、累计待还金额等指标作为破产预测的客观抓取指标,如表1所示.
(二)单个预测及组合模型预测
1.Logit回归预测.
根据上文的模型介绍,应用IBM SPSS Statistics V21.0中的二元Logistic回归预测进行分析,将80个选定的模拟样本录入SPSS工作表格中,10个指标属性值为协变量,问题情况（即前文提及的决策属性,问题取值为1,正常取值为0）作为因变量.用EXCEL编辑函数来计算概率P,并最终计算得出Logit模型预测结果的准确率,如表5所示.
由表5可以看出,经过测试样本的检验,所建立的Logit回归模型总体预测准确率仅为56.98%,这个水平属于偏低的预测正确率,这个正确率还有很大的水平可以提高,因此,此Logit模型不是一个理想的预测模型.
2.神经网络预测.
运用SPSS 软件中的BP神经网络的多层感知器预测方法来实现P 平台问题和否的预测工作.选用样本的原则和上文一致,即选择80个样本为模拟样本,86个样本为测试样本,共166个样本.模型训练完成后,生成的神经网络模型对测试样本数据测试后和实际比较的结果正确率如表6所示.
从H表中可以看出对于P 实际出现问题的正确率为73.2%,而P 实际运行正常的正确率为64.4%,综合正确率为68.6%,预测结果较Logit回归预测准确率高,但仍然有很大的提高空间.
3.支持向量机预测.
已有研究表明,高斯核函数支持向量机模型的预测准确率最高,而核函数的选择是构建支持向量机模型的关键[14],因此高斯核函数被本文采用.通过对数据结果的比较,当高斯核函数的阈值δ2等于0.7时,支持向量机程序的准确率最高.利用libsvm工具箱在MATLAB2014a中运行得出检测样本的实际预测结果如表7所示.
由表7可以看出,经过测试样本的检验,支持向量机总体预测准确率为68.6%,介于Logit回归分析预测的准确率和BP神经网络预测的准确率之间,同样不是很理想.
（三）基于贝叶斯算法的 式组合预测
通过上面的分析,根据上述三种模型的预测结果,结合上文中的方法,应用EXCEL得到基于贝叶斯算法的 式组合
结论：适合不知如何写非线性方面的相关专业大学硕士和本科毕业论文以及关于非线性编辑机论文开题报告范文和相关职称论文写作参考文献资料下载。
经济新常态下P网贷平台存在风险问题信用评级应对
摘 要：当前，随着现代化社会发展水平的不断提升以及科学技术的进步发展，互联网金融形成一股巨大的浪潮，为小微企业融资难问题提供了新的解决途径，而P。
江西省P网贷平台运营模式案例分析
摘 要近年以来， P2P网贷平台随着互联网技术的飞速发展以及人民理财意识的不断增强，在江西省乃至全国得到了飞速发展。从初期的充满期待、扶持鼓励，。
基于互联网金融背景下P网贷平台风险控制
摘 要P2P 网络借贷作为互联网金融创新发展模式最具代表性的一种，P2P在解决中小企业及个人融资困难过程中产生了巨大的积极作用，然而这个行业在。
P网贷平台坏账风险管控内控角度
摘要：P2P网络借贷平台发展迅猛初现规模，部分平台为吸引投资者提出本金垫付承诺。兜底式承诺将坏账风险转嫁于平台自身，使得坏账风险控制成为P2P平。