P2P违约预测（2）

研究目的和意义

有别于传统借贷模式，P2P模式通过对审核过的基本情况及信用评级等的评估，直接达成交易。这种形式得益于大数据、云计算的发展，极大简化了传统银行借贷信贷审核、放宽审批等手续流程。这种网络借贷模式无需担保抵押，以信用借贷为主。
在P2P借贷流程中，我们可以找到三方角色，分别是借款人、投资人以及平台。首先借款人需要在平台上认证，认证过程包括提供身份证明、学业水平、收支情况、就业状况、资信程度、通讯方式以及亲友联络人，平台据此对借款人开展审核并得出其相应的信用等级和借款信用额度。投资者也需要相同的操作。审核通过后，平台会进行初步筛选并将信息进行展示。借款人公布自己的借款请求，投资者在平台遴选借款信息，参与竞标。若某个借款人的项目在竞标期限截止后累计金额可达到预计发布的融资金额，则意味着此项目已经达标，可以进行交易。在平台进行最终审核后会生成电子借贷合约并将资金进行双方账户内的划转，在此过程中平台只收取一定费用。这种投标竞标实际上是种多向的过程，借款人的项目资金可能并不单纯来源于同一个投资者，而投资者也可以对多个项目展开竞标。项目达成后，平台将资金根据预设利率向多个投资者账户进行划转。
由于平台的去中心化，借款人可以获得更多的借款，贷款人可以得到更多的利率。但是收益大意味着风险也更大，出于借款人自身主客观原因、平台原因以及法律环境等各种情况的违约使得P2P借贷坏账率比传统银行借贷坏账率要高许多。同时，我国在征信方面做的不够系统全面,这使得线上交易变得不容易被接受。
因此无论是为了保证贷款人的权益，还是降低平台运营成本，平台对借款人员的风险控制显得非常重要。所以在P2P发展过程中，很有必要借助机器学习方法对借款方的违约风险进行合理评估。针对此需求，本文尝试通过获取一系列相关数据拟合贷款者违约风险的结果建立相关模型，对P2P贷款个人违约风险进行预测，并根据相关模型设计实现完整的 P2P违约预测系统。此系统虽然过于简单，在实际工作中可能无法顺利应用，但是作为将机器学习方法应用到P2P违约预测中的预测系统，它抛弃了传统金融风控对特征的解释性要求，无需花过多精力在特征与结果的解释关系上，具有很强的实用价值。