基于隨機森林的P2P網(wǎng)絡借貸成功率重要影響因素研究.pdf

1、傳統(tǒng)金融體系改革和發(fā)展的速度相對滯后，以及不論是商業(yè)銀行還是證券公司等傳統(tǒng)金融機構“高大上”的姿態(tài)，都使得一方面資金的供給者很難找到適合的投資產(chǎn)品，進行有效的資產(chǎn)配置;另一方面大量的資金需求者，比如中小微企業(yè)、普通居民，仍然難以滿足其日常的資金需求。在當前資本需求和供給出現(xiàn)結構性失衡的背景下，以p2p網(wǎng)絡借貸為典型模式的互聯(lián)網(wǎng)金融“橫空出世”，成為了傳統(tǒng)金融的攪局者。
　　P2P網(wǎng)絡借貸是基于互聯(lián)網(wǎng)金融中介業(yè)務的一種創(chuàng)新模式，平臺

2、的主要作用是為借貸雙方提供信息、信息價值認定和其他促成交易完成的服務，不介入到借貸關系中。全世界首家p2p網(wǎng)絡借貸平臺——ZOPA于2005年在倫敦成立，由此掀開了網(wǎng)絡借貸行業(yè)的帷幕。中國的p2p網(wǎng)絡借貸行業(yè)也于2007年揚帆起航，“拍拍貸”是中國成立最早的網(wǎng)絡借貸平臺。2010年以后，國內的p2p平臺開始遍布祖國大江南北，業(yè)務量迅速擴大。2013年至2014年，p2p網(wǎng)絡借貸行業(yè)在伴隨著“跑路”、“兌付困難”、“詐騙”等事件中成交量依

3、然一路高歌猛進。2015年國家出臺了《關于促進互聯(lián)網(wǎng)金融健康發(fā)展的指導意見》讓一直處于三無地帶的p2p網(wǎng)絡借貸行業(yè)逐漸的規(guī)范化、理性化。
　　P2P網(wǎng)絡借貸具有諸多優(yōu)點，首先進入行業(yè)要求低，能夠充分體現(xiàn)普惠金融這一理念。它的客戶群體主要是針對中小微企業(yè)主、普通的工薪階層、創(chuàng)業(yè)者等草根階級。在我國，小微企業(yè)數(shù)量龐大，國家工商總局2014年發(fā)布的《全國小微企業(yè)發(fā)展報告》顯示，截至2013年底，小微企業(yè)數(shù)量達1169.87萬戶，占企業(yè)總

4、數(shù)的76.57％。如果再加上普通的工薪階層，那么行業(yè)將會服務于一個數(shù)量龐大的客戶群體。其次，較強的靈活性和較高的效率。主要體現(xiàn)在借款額度、借款期限、借款的審核、還款方式上。借貸過程大致概括為:借款申請者需要向平臺提交申請材料，之后平臺會把審核合格的借款標的發(fā)布到網(wǎng)站上，投資者可以根據(jù)自身的偏好自主進行投資，借款者按時還本付息即可。P2P網(wǎng)絡借貸平臺上的標的大多是“金額小”、“期限短”、“需求急”。通過這一新型借貸形式淡化繁瑣的層層審批，

5、只要通過資質審核，就能簡單、便捷獲得借款。根據(jù)“網(wǎng)貸之家”發(fā)布的數(shù)據(jù)顯示，截止2015年年底，我國共有3844家平臺，有1350萬投資人參與到網(wǎng)絡借貸行業(yè)，全年行業(yè)成交額為10021億。這一數(shù)據(jù)足以可見p2p行業(yè)火熱的程度。今后，有關部門如果能夠制定行之有效的法律和行業(yè)規(guī)章，肅清行業(yè)亂象，就能使行業(yè)朝著正確的方向發(fā)展下去，真正的體現(xiàn)行業(yè)的價值。
　　P2P網(wǎng)絡借貸也引起了學術界的廣泛關注，國內的學術研究主要是采用定性分析的方法，集

6、中研究它的起源和發(fā)展，平臺的運營模式，目前行業(yè)存在的問題等等，但是對影響p2p網(wǎng)絡借貸成功率的因素進行實證分析的文獻相對比較少。為什么要研究p2p網(wǎng)絡借貸成功率的影響因素？結合本文收集的“人人貸”借貸平臺上2015年第一季度所有交易數(shù)據(jù)顯示，網(wǎng)絡借貸成功率只有3.9％。這意味著絕大多數(shù)的借款人的融資需求是得不到滿足的，網(wǎng)絡借貸極低的成功率必然會嚴重制約平臺的發(fā)展。
　　總結國內外對影響p2p網(wǎng)絡借貸成功率因素的文獻時發(fā)現(xiàn)，學者們在

7、進行實證分析時，幾乎都采用了傳統(tǒng)統(tǒng)計學模型，由于傳統(tǒng)的計量方法對數(shù)據(jù)滿足一定的假設或是要求，一旦不能很好地滿足前提假設或者要求，就會導致模型的結果失真、預測精度差。因此，本文首次將在其他領域廣泛應用的機器學習方法—隨機森林運用到了研究p2p網(wǎng)絡借貸成功率影響因素分析中。
　　隨機森林指的是利用多棵樹對樣本進行訓練并預測的一種分類器。隨機森林是一種非常成熟的算法，被廣泛運用到各個領域，比如生物學、地質學、基金收益率預測等，但是尚未被

8、運用到研究p2p網(wǎng)絡借貸。隨機森林具有諸多的優(yōu)點，比如預測精確度比線性和廣義線性模型高，同時計算量沒有神經(jīng)網(wǎng)絡那么龐大，不需要考慮Logistic模型中要求的自變量的共線性問題，對數(shù)據(jù)缺失有很強的容忍度等。隨機森林具有的這些優(yōu)點非常適合用來處理本文的數(shù)據(jù)。
　　因此，本文以“人人貸”2015年第一季度平臺上所有的交易為原始數(shù)據(jù)，采用隨機森林法從33個變量之中挑選出若干重要的變量建立預測模型，并將該模型與其他方法（決策樹法、神經(jīng)網(wǎng)絡

9、、支持向量機、貝葉斯算法、Logistic）建立的模型進行對比。得出的結論是，第一，隨機森林算法的準確率比決策樹、支持向量機、貝葉斯、logistic回歸和神經(jīng)網(wǎng)絡高。第二，采用隨機森林啟發(fā)式算法得出了借款人的歷史借貸成功率、未還清的借款數(shù)量、收入認證、信用認證分別是影響借貸成功率第一、第二、第三、第四重要的因素。并且利用這10個變量（歷史借貸成功率、未還清借款數(shù)量、收入認證、工作認證、信用認證、信用等級、身份認證、預期金額、貸款金額和

10、借款成本）建立的隨機森林模型預測準確率最高。
　　文章所建立的基于非參數(shù)隨機森林的借貸成功率評估模型可以靈敏的選出成功率比較高的訂單，提高了投資者選擇的有效性，并且該模型避免了復雜的計算過程，適用于網(wǎng)絡借貸平臺上的海量且不斷增加的訂單。同時首次將隨機森林方法應用到我國網(wǎng)絡借貸成功率評估模型上，該模型的成功建立，充實了網(wǎng)絡借貸行為理論的研究，更為將來網(wǎng)絡金融的進一步實際應用奠定了重要實證基礎。
　　通過本文的研究，希望能為解決