基于短时多源回归算法的P2P平台风险观测方法

P2P网络借贷作为当代互联网金融领域中流行的借贷方式,具有借款金额小、还款周期长短不一的特点,导致传统的年度风险评估方法因时间粒度过粗而容易给 平台投资者造成损失。基于此,提出一种基于短时多源回归算法的网络借贷平台运营风险的动态评估方法。通过动态时间窗对借贷记录进行切分,并以线性回归来量化平台的动态风险指数。实验结果表明,该方法能够及时反映P2P平台的风险宏观运营情况,并向投资者提供平台的动态风险评估和预测指标。     

P2P网贷平台的风险与行业出路

P2P网络借贷是一种借助互联网技术形成的新型金融服务模式,为中小微企业的融资难问题提供了有效的解决途径。本文在前人探索的基础上,分析了P2P网络借贷平台存在的风险,探讨网贷行业的出路,确定行业发展的方向,引导行业健康发展。     

国内P2P网贷面临三大风险

平台作为出借人与借款人的信息平台,它的法律地位是合同法中的居间人。理想情况下的P2P网络借贷平台应被视为融资居间合同中的居间人的角色,仅仅作为信息中介,不介入双方的交易。但在实际操作中,已有不少平台偏离了纯中介的角色,因此平台面临着巨大法律风险。1月12日,深圳P2P网站美贷网经内部人士向媒体确认,其实际控制人谷卓恒已"失联"跑路。     

面向P2P特定信息的主动监测模型研究

针对传统的主动监测模型不能对P2P特定信息进行监测的问题,提出了一种面向P2P特定信息的主动监测模型。该模型的各个模块都以P2P特定信息为中心,对P2P特定信息传播网络进行监测,收集与P2P特定信息相关的节点列表及节点状态信息;创新性地将Peer Exchange（PEX）扩展消息用于主动测量模型,不但可以得到节点之间的连接关系,而且提高了主动监测效率。针对PEX扩展消息的引入,分析模型的各项性能指标。实验结果表明,在主动监测模型中引入PEX扩展消息技术,能够大幅度提高节点列表获取的效率和速度,并能够增加获取节点的覆盖率。     

P2P网络环境中节点信息交换的信任机制研究

P2P网络的匿名性和动态性带来了许多安全问题,传统的信任管理模型并不能很好地适应P2P网络环境,动态信任模型是新的研究热点。本文在对现有P2P环境中的信任机制进行分析的基础上,通过研究消费节点对服务节点的信任,针对节点间的信息交换活动提出了一种改进的信用评估模型,评估服务提供者在信息交换过程中的信用度变化过程;并引入风险机制,分析了P2P网络中节点间进行信息交换的风险。实验证明,该模型能有效地抗信用炒作和抗周期性欺骗。     

用户局限于企业团内部的P2P借贷系统的信用评价模型与风险机制

文章是探讨基于手机平台的用户群局限为企业团内部人群的P2P借贷系统项目本身的借出与借入需要的相应的信用评价模型,和风险机制。以最直观的方式,让贷方对资金的流出进行选择。本模型相比面向大众的P2P借贷信用评价模型而言更简洁直观,直接与企业内部职员信息与工资挂钩,免去了与银行信用中心打交道的繁琐流程,且一定程度上降低了坏账风险,安全性更有保障。     

基于TF-IDF算法的P2P贷款违约预测模型

针对目前P2P贷款违约预测模型受限于借贷双方信息不对称性,未考虑投资人之间差异性的问题,提出了基于信息检索词频-逆文本频率（TF-IDF）算法的P2P贷款违约预测模型。首先以投资效用理论为基础,利用投资人历史投资收益率、贷款利率出价等信息,建立基于投资人效用的贷款违约预测模型;然后,借鉴信息检索TF-IDF算法,构造投资人逆向投资比例因子,对投资人差异性进行量化度量,优化模型中投资人权重计算因子。实验结果表明,该模型预测准确度与其他模型相比平均提高了6%左右,并在不同的测试数据集上都保持最优。     

主题驱动的P2P分布式信息搜索机制研究

Peer—to—Peer（P2P）对于分布式文件共享具有很好的前景，但当前的P2P系统仍然缺乏有效的信息搜索机制．本文提出一种主题驱动的P2P信息搜索机制，通过对节点上的文档进行聚类获得全局主题，然后将包含有相似主题的节点组织到一起构成主题覆盖网络．当在P2P网络中进行信息搜索时，根据查询与主题的相关性路由查询，从而改善搜索效率．本文详细阐述了进行主题驱动搜索的索引结构、主题聚类方法、主题覆盖网络的构造与维护算法．在Chord上的模拟实验结果表明，主题驱动的P2P信息搜索机制可以减少信息搜索时的平均网络带宽和平均搜索路径长度，提高搜索的成功率．     

P2P网络技术的研究与应用

计算机对等联网(Peer—to—Peer)是目前流行于国际网络技术研究领域的一种新兴的网络模型。文章对P2P网络的基本概念、技术实现、主要应用进行介绍,然后分析P2P技术与C/S模式互联网的区别。     

P2B网络借贷运营模式分析

P2B个人对企业借贷平台是解决中小企业资金困难的一种互联网创新的金融服务平台,也被称为＂互联网信托＂,即通过网络平台实现个人对中小企业贷款的一种模式,对于拓宽中小企业融资渠道降低筹资成本,提升中小企业的活力有重要意义。本文通过研究P2B网络借贷模式,企易贷、金银猫、招财宝三种平台比较,分析P2B网络借贷平台存在的风险,以对投资者进行投资提供借鉴。     

Information asymmetries and identification bias in P2P social microlending

The Internet has created new opportunities for peer-to-peer (P2P) social lending platforms, which have the potential to transform the way microfinance institutions raise and allocate funds used for poverty reduction. Depending upon where decision-making rights are allocated, there is the potential for identification bias whereby lenders may be motivated to give to specific projects with which they have an affinity without regard to whether it represents a sound financial investment. Using data collected from Kiva, we present empirical evidence that distant upstream lenders do not have adequate information about local business and loan conditions to make sound microfinance funding decisions, but instead make decisions based on identification biases. Furthermore, more information provided on the P2P lending site about the prospective loan does not improve the lender’s information about the loan conditions, but rather exacerbates the identification bias effect.     

IDEA:一种基于P2P借贷网络的投资决策分析算法

互联网金融P2P借贷平台上存在着较大的贷款投资风险,为协助投资人获得更佳的贷款收益,本文综合考虑贷款坏账风险、流标风险、利率和投资人风险偏好等要素,提出投资决策算法IDEA（Investment DEcision Analysis）：构建投资人-贷款网络,充分利用网络中的贷款投资行为信息来度量贷款坏账风险,利用图半监督学习方法度量贷款流标风险,为投资决策提供依据. 在真实数据集上的实验结果表明,相对于现有算法,我们的算法不仅可以取得更佳的投资收益,而且能够协助具有不同风险偏好的投资人进行投资决策.     

基于AUC及Q统计值的集成学习训练方法

针对借贷过程中的信息不对称问题，为更有效地整合不同的数据源和贷款违约预测模型，提出一种集成学习的训练方法，使用AUC（Area Under Curve）值和Q统计值对学习器的准确性和多样性进行度量，并实现了基于AUC和Q统计值的集成学习训练算法（TABAQ）。基于个人对个（P2P）贷款数据进行实证分析，发现集成学习的效果与基学习器的准确性和多样性关系密切，而与所集成的基学习器数量相关性较低，并且各种集成学习方法中统计集成表现最好。实验还发现，通过融合借款人端和投资人端的信息，可以有效地降低贷款违约预测中的信息不对称性。TABAQ能有效发挥数据源融合和学习器集成两方面的优势，在保持预测准确性稳步提升的同时，预测的一类错误数量更是进一步下降了4.85%。     

Who can get money? Evidence from the Chinese peer-to-peer lending platform

This paper explores how borrowers’ financial and personal information, loan characteristics and lending models affect peer-to-peer (P2P) loan funding outcomes. Using a large sample of listings from one of the largest Chinese online P2P lending platforms, we find that those borrowers earning a higher income or who own a car are more likely to receive a loan, pay lower interest rates, and are less likely to default. The credit grade assigned by the lending platform may not represent the creditworthiness of potential borrowers. We also find that the unique offline process in the Chinese P2P online lending platform exerts significant influence on the lending decision. We discuss the implications of our results for the design of big data-based lending markets.     

基于神经网络模型的网络借贷高危企业信用风险的识别研究

网络借贷的飞速发展在一定程度上缓解了小微型企业融资难的问题,但也暴露出网络借贷平台信用风险的识别问题。为充分识别高危网贷企业的特征,以中小型网贷企业为样本,通过指标筛选,挑选出与风险识别相关度较高的指标作为指标变量。并利用BP神经网络算法模型得出高危网贷企业在不同条件下的信用风险识别率和信用风险分类正确率。实验结果表明,高危网贷企业的信用风险具有高度识别性,高召回率、高正确率的特点。     

P2P网络中基于随时间推移的风险值评估的信任管理模型

针对现有的对等(P2P)网络信任管理模型中存在的问题:忽视短期交易时间与长期交易时间对信任值的不同影响以及缺少对交易对象资源的具体风险分析,在现有信任管理模型的基础之上,以不同用户对同一种类资源所提供的资源品质和风险作为关注点,引入风险值评估的概念,建立了基于随时间推移的风险值评估的信任管理模型。仿真结果表明,该模型使得恶意节点的行为得到有效控制,对交易资源的分析量化更加深入,进一步有效地帮助用户筛选出最优的交易者。     

Building investor trust in the P2P lending platform with a focus on Chinese P2P lending platforms

Despite the rapid development of peer-to-peer (P2P) lending in the world, massive Chinese P2P platforms have failed due to moral risk and liquidity risk, which decreased investors’ confidence in P2P lending. A major question facing the future growth and development of P2P platforms is how to best build investors’ trust. This study was based on the elaboration likelihood model and examines how to persuade investors to develop initial trust in P2P platform. The empirical analysis data were collected from 70 Chinese P2P platforms. The multiple linear regression results support central route variables: the financial and credit status of P2P platforms are key elements in building the trust of investors and impacting their decisions. The subordinate route variables including social capital, risk management, and operating duration provide the necessary support to increase the number of platform investors. The relationship between the average interest rate and number of investors is not linear but exhibits an inverted U-shaped curve. The disclosure of information by the borrowers does not significantly affect the number of platform investors. These findings are an important complement to existing research and will facilitate future development efforts for P2P lending and the rational investments of investors.     

基于群决策的P2P借贷信用风险评估

运用群决策方法,对随机森林、神经网络、梯度提升树三种算法所生成的个体学习器进行集成,构建基于群决策的P2P借贷信用风险评估模型.选取人人贷、拍拍贷的数据进行实验研究,结果显示,集成模型的风险评估效果较个体学习器有所提升,且优于传统的逻辑回归方法.