基于Relief F算法和随机森林模型的P2P平台风险识别  

作　　者：王琴英[1] 王诗雨 刘聪 

机构地区：[1]北京工商大学经济学院,北京100048

出　　处：《统计与决策》2022年第8期184-188,共5页Statistics & Decision

基　　金：国家社会科学基金重大项目(17ZDA056);北京市哲学社会科学规划办首都流通业研究基地内设项目(JD-YB-2020-006)。

摘　　要：文章从P2P网络借贷平台出现的风险事件出发,将问题平台的风险分类为平台运营风险、平台诈骗风险和平台信用风险。根据网上爬取的大样本数据,利用Relief F算法筛选平台风险来源的属性约简指标,统计分析平台风险的显著特征。通过设计随机森林模型,识别与预测三类平台风险;利用无序多分类Logit模型,估计三类风险发生的机会比。结果表明,风险平台具有预期收益率与借贷金额明显偏高,但资金来源不足,且借贷风险集中度较低的共同特征;提高平台流量、扩大前十大客户投资规模,能有效降低平台发生运营风险和诈骗风险的可能,而降低前十大借款人待还金额占比将减少平台信用风险的发生。

关 键 词：P2P平台 Relief F算法 随机森林模型 风险识别 

分 类 号：F832[经济管理—金融学]