CN105809360A - 一种p2p行业风险评估方法 - Google Patents

Abstract

本发明提供了一种P2P行业风险评估方法，具体步骤包括：步骤1：对基础数据进行聚类分析；步骤2：模型训练集的构建；步骤3：构建回归方程，分出综合指标的回归系数；步骤4：把待评级平台综合指标数据代入回归方程，得出个平台的得分，把平台的得分按照分数区间转化为平台等级。本发明把数据挖掘技术应用达评级体系中，重新构建评级的指标体系，把网贷平台数据纳入到评级的体系中，基于平台财务数据目前不可获取，故把利用平台交易数据体系替代财务数据体系进行评级。

Description

一种P2P行业风险评估方法

技术领域

本发明涉及一种P2P行业风险评估方法。

背景技术

近两年，互联网金融呈现爆发式增长态势，P2P行业发展迅猛，据不完全统计，目前市场上正在运营的P2P平台近2000家，且仍在保持较高的增长速度。然而监管细则尚未出炉之际，导致随着P2P行业的快速发展，平台倒闭跑路等时有发生，缺乏有力的评价指标体系对于防范行业风险、推进行业自律，以及国内互联网金融长远稳定发展不利。

现有的评价体系主要利用平台财务来进行评价，然而，财务数据获得困难，且真实性有待考量，脱离互联网的伪互联网金融企业，更容易出现因信息不透明而导致的种种违规操作，也容易与互联网金融要支持小微企业发展的宏观政策设定背道而驰。因此，不能在实际的应用中得到广泛的推广。

发明内容

本发明要解决的技术问题是现有P2P行业缺乏合理的评价指标体系，以财务数据为基础分析书记的评价体系不仅数据获得困难，且真实性有待考量，不能在实际的应用中得到广泛的推广。

为了解决上述技术问题，本发明提供了一种P2P行业风险评估方法，包括以下步骤：步骤1：对基础数据进行聚类分析，所述基础数据为平台的交易数据，包括成交额、成交量、投资人数、借款人数、贷款余额、每日待还金额、平台运营时间和平台注册资本；所述聚类分析即将基础数据按距离准则逐步分类，类别由多到少，直到获得达到预定阀值数目要求的分类要求为止；步骤2：模型训练集的构建：采取专家打分的方法，从所有平台中抽取n家平台进行打分，所有平台包括正常平台和问题平台，从这两类平台中按比例进行随机抽样，使得抽样中正常平台与问题平台的数目比与所有平台中正常平台与问题平台的数目比一致，n家平台的得分与其各综合指标的分数组成训练集；步骤3：通过对训练集综合指标及得分进行多元线性回归分析，构建回归方程，分出综合指标的回归系数；步骤4：把待评级平台综合指标数据代入回归方程，得出个平台的得分，把平台的得分按照分数区间转化为平台等级。

具体的，步骤1中对基础数据进行聚类分析包括以下步骤：1)设初始模式样本共有N个，每个样本自成一类，即建立N类，计算各类之间的距离，初始时即为各样本间的距离，得到一个N*N维的距离矩阵D(0)；标号(0)表示聚类开始运算前的状态；2)假设前一步聚类运算中已求得距离矩阵D(n)，n为逐次聚类合并的次数，则求D(n)中的最小元素；如果它是和两类之间的距离，则将和两类合并为一类由此建立新的分类：3)计算合并后新类别之间的距离，得D(n+1)；计算与其它没有发生合并的之间的距离；4)返回第二步，重复计算及合并，直到D(n)中的最小分量超过给定阈值D。

具体的，步骤1)中计算各类之间的距离，包括最小距离法或者递推算法；所述最小距离法为：设H和K是两个聚类，则两类间的最短距离定义为：D_HK＝min(d_uv),u∈H,v∈K；其中，d_u,v表示H类中的样本X_u和K类中的样本X_v之间的距离，D_H,K表示H类中的所有样本和K类中的所有样本之间的最小距离；所述递推运算：设K类是由I和J两类合并而成，则

具体的，步骤2中所述的训练集为用来学习的样本集，得到训练集的具体步骤是：1)先对预先设定的训练集进行预处理，把所有的小类别按n：1的比例合并成一个以上的大类别，使得大类别具有和训练集中原有的大类别相同或相近的数量级；2)在新训练集上进行训练，得到一级分类器；3)把原有的几个小类别组成一个小训练集，进行分类训练，得到二级分类器，至此，训练过程结束；4)得到训练集里的平台，并对平台从风险、收益、流动等打分。

具体的，所述步骤3的具体步骤为：1)确定各自变量权重：假设某一变量y受k个自变量x₁,x_2,...,x_k的影响，其n组观测变量(y_a,x_1a,x_2a,...,x_ka)，a＝1,2,...,n，那么多元线性回归模型的结构形式为:y_a＝β₀+β₁x_1a+β₂x_2a+...+β_kx_ka+ε_a；其中β₀,β₁,β₂,...,β_k为待定系数，ε_a为随机变量；若b₀,b₁,...,b_k分别为β₀,β₁,β₂,...,β_k的拟合值，则回归方程为：其中b₀为常数，b₁,b₂,...,b_k为偏回归系数；偏回归系数b_i(i＝1,2,...,k)的意义是，当其他自变量x_j(i≠j)都固定时，自变量x_i每变化一个单位而使因变量y平均改变的数值；根据最小二乘法原理，β_i(i＝0,1,2,...,k)的估计值b_i(i＝0,1,2,...,k)应该使2)多元线性回归显著性检验：因变量y的观测值y₁,y₂,...,y_n之间的波动或者差异，是由两个因素引起的，一是由于自变量的取值不同，另一个是受其他随机因素影响；将y的离差平方和S_T(L_yy)分解为两部分，即回归平方和U与剩余平方和Q:S_T＝L_yy＝U+Q，其中

本发明的有益效果在于：把数据挖掘技术应用达评级体系中，重新构建评级的指标体系，把网贷平台数据纳入到评级的体系中，基于平台财务数据目前不可获取，故把利用平台交易数据体系替代财务数据体系进行评级。

具体实施方式

本发明提供了一种P2P行业风险评估方法，包括以下步骤：

步骤1：对基础数据进行聚类分析，所述基础数据为平台的交易数据，包括成交额、成交量、投资人数、借款人数、贷款余额、每日待还金额、平台运营时间和平台注册资本；所述聚类分析即将基础数据按距离准则逐步分类，类别由多到少，直到获得达到预定阀值数目要求的分类要求为止；本评级系统中运用的算法是多元线性回归，而多元线性回归算法的前提是各系数之间相互独立，无相关性。故在建模之初，我们对基础数据进行系统聚类，分成9类。相关性较高的三级指标(即在聚类分析中归类为一类的指标)，如：未来90天的待收金额(万元)与注册资金(万元)相关性较高的时候，我们将其做比值，整合为一个指标，即评级体系中的流动性指标＝未来90天待收金额/注册资金。依次类推将相关性较高的指标整合。至此，得到的所有二级指标均是相互独立(或相关性极弱)，便可运用多元线性回归算法，进行回归分析。

步骤1中对基础数据进行聚类分析包括以下步骤：

1)设初始模式样本共有N个，每个样本自成一类，即建立N类，计算各类之间的距离，初始时即为各样本间的距离，得到一个N*N维的距离矩阵D(0)；标号(0)表示聚类开始运算前的状态；

2)假设前一步聚类运算中已求得距离矩阵D(n)，n为逐次聚类合并的次数，则求D(n)中的最小元素；如果它是和两类之间的距离，则将和两类合并为一类由此建立新的分类：

3)计算合并后新类别之间的距离，得D(n+1)；计算与其它没有发生合并的之间的距离；

4)返回第二步，重复计算及合并，直到D(n)中的最小分量超过给定阈值D；

上述的步骤1)中计算各类之间的距离，采用的距离准则是最小距离法：

设H和K是两个聚类，则两类间的最短距离定义为：

D_HK＝min(d_uv),u∈H,v∈K

其中，d_u,v表示H类中的样本X_u和K类中的样本X_v之间的距离，D_H,K表示H类中的所有样本和K类中的所有样本之间的最小距离；

递推运算：假若K类是由I和J两类合并而成，则

$\left.\begin{array}{c}{D}_{HI}=\min \left(d_{mn}\right),m\∈H,n\∈I\\ D_{HJ}=\min \left(d_{mn}\right),m\∈H,n\∈J\end{array}\right\}\⇒D_{HK}=\min \left(D_{HI},D_{HJ}\right)$

步骤2：模型训练集的构建：采取专家打分的方法，从所有平台中抽取n家平台进行打分，所有平台包括正常平台和问题平台，从这两类平台中按比例进行随机抽样，使得抽样中正常平台与问题平台的数目比与所有平台中正常平台与问题平台的数目比一致，n家平台的得分与其各综合指标的分数组成训练集；所述各综合指标的分数是指：前期对三级指标通过聚类分析整合后，得到9个二级指标，分别是投资指数，偿兑指数，流动指数，运营指数，借款指数，利率指数，非常规标指数，地域指数，期限指数。对于各三级指标的数据均是由网贷天眼数据监测中心获取得来，而二级指标数据是由三级整合得来，故二级指标数据均是客观公正的数据。对于训练集中平台最开始的打分，是得到训练集的y值(模型需要预测的值)，后期通过建模会回代验证，最后显示的均为由数据模型得来。

以n＝50作为样本集，请行业里专家，从收益、流动性、舆情、安全性等方面进行综合打分，10分为满分，保留一位小数。后期对平台得分取平均，得到各平台的得分。这50家得分与其他综合指标数据组成训练集(所谓训练集，为数据挖掘、回归分析中用于构建模型的样本集)。

步骤2中所述的训练集为用来学习的样本集，好的训练集相对类别分布均匀，每个类别中的平台能够很好的代表该类别，类别中平台在特征空间中的分布比较集中。我们在得到训练集的过程中运用类别均衡法(核心是贝叶斯分类)，得到训练集的具体步骤是：

1)先对预先设定的训练集进行预处理，把所有的小类别合并成一个或几个新的较大的类别，这些新类别具有和训练集中原有的大类别相同或相近的数量级，形成一个新的类别分布比较均衡的训练集；

2)在新训练集上进行训练，得到一个分类器，称为一级分类器；

3)把原有的几个小类别组成一个小训练集，进行分类训练，也得到一个分类器，我们称之为二级分类器，至此，训练过程结束；

4)得到训练集里的平台，找行业里的专家，对其从风险、收益、流动等打分

步骤3：通过对训练集综合指标及得分进行多元线性回归分析，构建回归方程，分出综合指标的回归系数；所述步骤3的具体步骤为：

1)确定各自变量权重

假设某一变量y受k个自变量x₁,x₂,...,x_k的影响，其n组观测变量(y_a,x_1a,x_2a,...,x_ka)，a＝1,2,...,n，那么多元线性回归模型的结构形式为:

y_a＝β₀+β₁x_1a+β₂x_2a+...+β_kx_ka+ε_a

其中β₀,β₁,β₂,...,β_k为待定系数，ε_a为随机变量。

若b₀,b₁,...,b_k分别为β₀,β₁,β₂,...,β_k的拟合值，则回归方程为：

$\hat{y}=b_0+b_1{x}_1+b_2{x}_2+...+b_k{x}_k$

其中b₀为常数，b₁,b₂,...,b_k为偏回归系数；偏回归系数b_i(i＝1,2,...,k)的意义是，当其他自变量x_j(i≠j)都固定时，自变量x_i每变化一个单位而使因变量y平均改变的数值；

根据最小二乘法原理，β_i(i＝0,1,2,...,k)的估计值b_i(i＝0,1,2,...,k)应该使

$Q=\underset{a=1}{\overset{n}{\Σ}}{(y_a-{\hat{y}}_a)}^2=\underset{a=1}{\overset{n}{\Σ}}{\[y_a-(b_0+b_1{x}_{1a}+b_2{x}_{2a}+...+b_k{x}_{ka})\]}^2\→\min$

2)多元线性回归显著性检验

因变量y的观测值y₁,y₂,...,y_n之间的波动或者差异，是由两个因素引起的，一是由于自变量的取值不同，另一个是受其他随机因素影响；将y的离差平方和S_T(L_yy)分解为两部分，即回归平方和U与剩余平方和Q:

S_T＝L_yy＝U+Q

其中

$U=\underset{a=1}{\overset{n}{\Σ}}{({\hat{y}}_a-y)}^2=\underset{i=1}{\overset{k}{\Σ}}{b}_i{L}_{iy},Q=\underset{a=1}{\overset{n}{\Σ}}{(y_a-{\hat{y}}_a)}^2=L_{yy}-U.;$

步骤4：把待评级平台综合指标数据代入回归方程，得出个平台的得分，把平台的得分按照分数区间转化为平台等级。假设每次公布的平台共分为6个等级，分别为A+，A，B+，B，C+，C，按一定占比将得分划分为6个区间。如：前7％为A+,依次类推，给出平台最后等级。

Claims (5)

1.一种P2P行业风险评估方法，其特征在于，包括以下步骤：

步骤1：对基础数据进行聚类分析，所述基础数据为平台的交易数据，包括成交额、成交量、投资人数、借款人数、贷款余额、每日待还金额、平台运营时间和平台注册资本；所述聚类分析即将基础数据按距离准则逐步分类，类别由多到少，直到获得达到预定阀值数目要求的分类要求为止；

步骤2：模型训练集的构建：采取专家打分的方法，从所有平台中抽取n家平台进行打分，所有平台包括正常平台和问题平台，从这两类平台中按比例进行随机抽样，使得抽样中正常平台与问题平台的数目比与所有平台中正常平台与问题平台的数目比一致，n家平台的得分与其各综合指标的分数组成训练集；

步骤3：通过对训练集综合指标及得分进行多元线性回归分析，构建回归方程，分出综合指标的回归系数；

步骤4：把待评级平台综合指标数据代入回归方程，得出个平台的得分，把平台的得分按照分数区间转化为平台等级。

2.根据权利要求1所述的一种P2P行业风险评估方法，其特征在于，步骤1中对基础数据进行聚类分析包括以下步骤：

1)设初始模式样本共有N个，每个样本自成一类，即建立N类，计算各类之间的距离，初始时即为各样本间的距离，得到一个N*N维的距离矩阵D(0)；标号(0)表示聚类开始运算前的状态；

2)假设前一步聚类运算中已求得距离矩阵D(n)，n为逐次聚类合并的次数，则求D(n)中的最小元素；如果它是和两类之间的距离，则将和两类合并为一类由此建立新的分类：

3)计算合并后新类别之间的距离，得D(n+1)；计算与其它没有发生合并的之间的距离；

4)返回第二步，重复计算及合并，直到D(n)中的最小分量超过给定阈值D。

3.根据权利要求2所述的一种P2P行业风险评估方法，其特征在于，步骤1)中计算各类之间的距离，包括最小距离法或者递推算法；所述最小距离法为：

设H和K是两个聚类，则两类间的最短距离定义为：

D_HK＝min(d_uv),u∈H,v∈K；

其中，d_u,v表示H类中的样本X_u和K类中的样本X_v之间的距离，D_H,K表示H类中的所有样本和K类中的所有样本之间的最小距离；

所述递推运算：设K类是由I和J两类合并而成，则

$\left.\begin{array}{c}{D}_{HI}=\min \left(d_{mn}\right),m\∈H,n\∈I\\ D_{HJ}=\min \left(d_{mn}\right),m\∈H,n\∈I\end{array}\right\}\⇒D_{HK}=min(D_{HI},D_{HJ}).$

4.根据权利要求1或2或3所述的一种P2P行业风险评估方法，其特征在于，步骤2中所述的训练集为用来学习的样本集，得到训练集的具体步骤是：

1)先对预先设定的训练集进行预处理，把所有的小类别按n：1的比例合并成一个以上的大类别，使得大类别具有和训练集中原有的大类别相同或相近的数量级；

2)在新训练集上进行训练，得到一级分类器；

3)把原有的几个小类别组成一个小训练集，进行分类训练，得到二级分类器，至此，训练过程结束；

4)得到训练集里的平台，并对平台从风险、收益、流动等打分。

5.根据权利要求1或2或3所述的一种P2P行业风险评估方法，其特征在于，所述步骤3的具体步骤为：

1)确定各自变量权重：

假设某一变量y受k个自变量x₁,x_2,...,x_k的影响，其n组观测变量(y_a,x_1a,x_2a,...,x_ka)，a＝1,2,...,n，那么多元线性回归模型的结构形式为:

y_a＝β₀+β₁x_1a+β₂x_2a+...+β_kx_ka+ε_a；

其中β₀,β₁,β₂,...,β_k为待定系数，ε_a为随机变量；

若b₀,b₁,...,b_k分别为β₀,β₁,β₂,...,β_k的拟合值，则回归方程为：

$\hat{y}=b_0+b_1{x}_1+b_2{x}_2+...+b_k{x}_k;$

其中b₀为常数，b₁,b₂,...,b_k为偏回归系数；偏回归系数b_i(i＝1,2,...,k)的意义是，当其他自变量x_j(i≠j)都固定时，自变量x_i每变化一个单位而使因变量y平均改变的数值；

根据最小二乘法原理，β_i(i＝0,1,2,...,k)的估计值b_i(i＝0,1,2,...,k)应该使

$Q=\underset{a=1}{\overset{n}{\Σ}}{(y_a-{\hat{y}}_a)}^2=\underset{a=1}{\overset{n}{\Σ}}{\[y_a-(b_0+b_1{x}_{1a}+b_2{x}_{2a}+...+b_k{x}_{ka})\]}^2\→\min ;$

2)多元线性回归显著性检验：

因变量y的观测值y₁,y₂,...,y_n之间的波动或者差异，是由两个因素引起的，一是由于自变量的取值不同，另一个是受其他随机因素影响；将y的离差平方和S_T(L_yy)分解为两部分，即回归平方和U与剩余平方和Q:

S_T＝L_yy＝U+Q；

其中，

$U=\underset{a=1}{\overset{n}{\Σ}}{({\hat{y}}_a-y)}^2=\underset{i=1}{\overset{k}{\Σ}}{b}_i{L}_{iy},Q=\underset{a=1}{\overset{n}{\Σ}}{(y_a-{\hat{y}}_a)}^2=L_{yy}-U\mathrm{..}$