典型文献
基于机器学习的P2P网络借贷平台风险监测与预警
文献摘要：
自2015年底"e租宝"事件发生以来,网络借贷平台问题层出不穷.P2P网络借贷市场已经成为互联网金融风险的重要聚集地,不仅扰乱了我国金融市场的秩序,而且造成了网络借贷平台从业者失业、投资者利益受损.对P2P网络借贷平台存在的风险进行识别是避免问题平台出现的关键环节.文章借鉴我国商业银行对风险评价的"三性"原则和LAPP法,构建P2P网络借贷平台的风险评价指标体系;基于网贷之家2019年10月144家正常运营平台的数据,利用高斯混合模型识别平台风险等级,将平台风险类型划分为重警、中警、轻警、微警、无警等五个风险等级;运用四种机器学习方法研究了P2P网络借贷平台风险.结果表明:朴素贝叶斯模型对风险的识别能力最强,流动性风险和信用风险是两个重要的风险维度.本研究对网贷平台风险的识别与预警,有助于投资者理性投资、政府高效监管以及平台管理者提前了解自身运营状况.
文献关键词：
P2P网络借贷平台;风险等级;风险预警;高斯混合模型;机器学习
中图分类号：
作者姓名：
李爽;刘娅娅;李晓彤
作者机构：
西安财经大学统计学院,陕西西安710100
文献出处：
引用格式：
[1]李爽;刘娅娅;李晓彤-.基于机器学习的P2P网络借贷平台风险监测与预警)[J].西安财经大学学报,2022(02):62-73
A类：
LAPP
B类：
基于机器学习,P2P,网络借贷平台,台风,风险监测,监测与预警,互联网金融风险,聚集地,扰乱,金融市场,平台从业者,失业,投资者利益,存在的风险,国商,商业银行,三性,风险评价指标体系,之家,运营平台,高斯混合模型,模型识别,风险等级,风险类型,类型划分,机器学习方法,朴素贝叶斯模型,识别能力,流动性风险,信用风险,网贷平台,理性投资,平台管理,运营状况,风险预警
AB值：
0.276407
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
