亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于隨機森林的非正規(guī)金融風(fēng)險因素識別----以P2P為例

        2020-08-31 06:34:04江萍萍鄭瑞坤
        關(guān)鍵詞:金融模型

        江萍萍,鄭瑞坤

        (湖北工業(yè)大學(xué)理學(xué)院,湖北 武漢 430068)

        世界銀行將那些被中央銀行監(jiān)管控制的金融活動定義為正規(guī)金融[1],非正規(guī)金融則相對應(yīng)于正規(guī)金融而言,當(dāng)前學(xué)術(shù)界對其并沒有明確的說法。國外學(xué)者認(rèn)為非正規(guī)金融是除銀行信貸、股票及債券市場等金融活動之外的融資機制[2],而國內(nèi)學(xué)者則視之為民間借貸[3-4]。我國的金融制度和體系尚未完善,非正規(guī)金融與正規(guī)金融在不同因素沖擊下表現(xiàn)出互補或替代關(guān)系[5],兩者缺一不可。非正規(guī)金融可以有效降低農(nóng)村居民陷入貧困的可能性[6],也提高了我國的經(jīng)濟效率,為民間金融逐步陽光化提供了保障[7],但其發(fā)展過程中也產(chǎn)生了一系列風(fēng)險問題,甚至?xí)蓴_到金融市場秩序的穩(wěn)定和國家宏觀政策的調(diào)控[8]。近10年來,我國P2P行業(yè)高速發(fā)展的背后卻衍生出異化的模式[9],網(wǎng)貸市場的監(jiān)管缺失與非理性羊群行為導(dǎo)致眾多金融亂象,加劇了金融脆弱性,這也凸顯了健全外部監(jiān)管體制和完善平臺內(nèi)部運營機制的緊迫性[10]。然而,P2P行業(yè)作為我國非正規(guī)金融市場的特殊組成部分,業(yè)務(wù)覆蓋到傳統(tǒng)金融觸及不到的借款人和投資人,不僅彌補了我國傳統(tǒng)金融機構(gòu)的市場空白,還幫助一部分小微企業(yè)解決了融資問題。據(jù)“網(wǎng)貸之家”網(wǎng)貸資訊平臺的研究報告顯示,P2P行業(yè)的累計成交量在2019年6月底達到8.6萬億元。與此同時,湖南、山東、重慶等地區(qū)對轄區(qū)內(nèi)的P2P網(wǎng)貸業(yè)務(wù)全部予以取締,致使投資風(fēng)險陡然加劇。本文基此,以P2P網(wǎng)貸行業(yè)為例,分析影響非正規(guī)金融在運營過程中的各種風(fēng)險因素,為其良性發(fā)展提供決策依據(jù)。

        1 P2P非正規(guī)金融風(fēng)險識別模型的構(gòu)建

        國外學(xué)者從P2P內(nèi)部運營特征探究風(fēng)險影響因素,認(rèn)為盈利能力高、流動性高和資產(chǎn)規(guī)模大的平臺不易發(fā)生違約風(fēng)險,而高負(fù)債和高杠桿的項目違約風(fēng)險較高[11],國內(nèi)學(xué)者主要采用Cox比例風(fēng)險模型,以及邏輯回歸模型、支持向量機等對平臺風(fēng)險進行測評[12-14]。本文的非正規(guī)金融風(fēng)險因素的評估方法,除了識別非正規(guī)金融的風(fēng)險,還需要對重要風(fēng)險因素進行評估。國內(nèi)學(xué)者在評價地下水水質(zhì)、地表灰塵重金屬污染,以及精準(zhǔn)識別貧困等問題時[15-18],普遍采用隨機森林模型,這一方面可以對問題實現(xiàn)分類預(yù)測功能,另一方面又可對各變量的重要性進行度量。因此,使用隨機森林模型來識別P2P網(wǎng)貸平臺是否存在問題并度量關(guān)鍵風(fēng)險因素。

        1.1 P2P非正規(guī)金融風(fēng)險指標(biāo)集構(gòu)建

        數(shù)據(jù)來源于“網(wǎng)貸之家”官方網(wǎng)站。該網(wǎng)站創(chuàng)辦于2011年10月,是當(dāng)前國內(nèi)較為權(quán)威的第三方網(wǎng)貸機構(gòu)。運用Python爬蟲從網(wǎng)頁爬取了2018年6—11月共6個月的月度成交數(shù)據(jù)以及平臺狀態(tài)(正常平臺與問題平臺)。每組數(shù)據(jù)包含四個維度的指標(biāo):“成交量”維度的指標(biāo)包含成交量、平均預(yù)期收益率、平均借款期限、待還余額;“人氣”維度的指標(biāo)包含投資人數(shù)、人均投資金額、滿標(biāo)用時、前十大投資者待收金額占比;“平臺運營”維度的指標(biāo)包含注冊資本、資金凈流入、運營時間;“分散性”維度的指標(biāo)包含借款標(biāo)數(shù)、借款人數(shù)、人均借款金額以及前十大借款人待還金額占比。四個維度下共有15個特征指標(biāo)(表1)。

        表1 風(fēng)險特征指標(biāo)及含義

        對表1中代表風(fēng)險特征的指標(biāo)進行預(yù)處理。刪除缺失值后,得到共計370個平臺的1790組成交數(shù)據(jù);將平臺狀態(tài)分為正常平臺和問題平臺兩類,每組數(shù)據(jù)包含15個風(fēng)險特征指標(biāo)和1個平臺類別指標(biāo)。

        1.2 P2P非正規(guī)金融風(fēng)險識別方法

        以P2P平臺為例,隨機森林模型的風(fēng)險識別過程(圖1)包括以下三個步驟。

        1)運用Bootstrap方法在初始P2P平臺訓(xùn)練集中重復(fù)抽出n個平臺訓(xùn)練集,每個訓(xùn)練集的樣本容量與網(wǎng)貸平臺原訓(xùn)練集一致,未被抽中的樣本組成平臺測試集,稱作袋外數(shù)據(jù)OOB(Out of Bag)。這部分?jǐn)?shù)據(jù)用來檢驗?zāi)P偷念A(yù)測識別效果。

        2)分別對上述n個網(wǎng)貸平臺訓(xùn)練集選擇最優(yōu)的風(fēng)險因素作為分裂屬性,得到n個決策樹模型。使用R軟件生成決策樹的過程中,有影響模型準(zhǔn)確性的重要參數(shù),它們分別是mtry和ntree。mtry表示節(jié)點中用于二叉樹的變量個數(shù),即風(fēng)險指標(biāo)的個數(shù),該值是從1至15逐一嘗試,直到所對應(yīng)的模型誤判概率達到最低;ntree表示隨機森林所包含的決策樹數(shù)目,可通過圖形大致判斷模型誤差穩(wěn)定時的ntree值。

        3)將k個決策樹的結(jié)果進行組合,基于樹分類器投票的多少形成最終結(jié)果,即可對平臺的風(fēng)險狀態(tài)進行識別。

        圖1 隨機森林生成流程

        1.3 風(fēng)險重要性度量

        使用MDA值(Mean Decrease Accuracy)計算風(fēng)險指標(biāo)的重要性。MDA具體計算過程如下:

        1)用網(wǎng)貸平臺的測試集去測試已構(gòu)建好的隨機森林模型,得到n棵樹的OOB誤差;

        2)將平臺測試集中某個風(fēng)險變量Q的值打亂,再次計算這n棵樹的OOB誤差;

        3)對上述兩次OOB誤差的差值進行平均,得到單棵樹對風(fēng)險變量Q的重要性值。

        (1)

        從式(1)看出,變量重要性與MDA值的變化方向相同。

        2 實證分析

        2.1 P2P非正規(guī)金融風(fēng)險特征

        對所有風(fēng)險指標(biāo)的數(shù)據(jù)特征進行分析,各統(tǒng)計量如表2所示。從標(biāo)準(zhǔn)差來看,除平均預(yù)期收益率和平均借款期限之外的各風(fēng)險指標(biāo)均波動較大;從峰度和偏度來看,各指標(biāo)均呈現(xiàn)不同程度的尖峰厚尾和有偏的數(shù)據(jù)特征,并且僅平均預(yù)期收益率和運營時間兩個指標(biāo)呈負(fù)偏態(tài)分布;另外,各指標(biāo)的JB統(tǒng)計量和其對應(yīng)的P值顯示,所有指標(biāo)均拒絕正態(tài)分布的原假設(shè)。

        表2 各指標(biāo)基本統(tǒng)計量

        2.2 P2P非正規(guī)金融風(fēng)險識別

        本文中運用R軟件實現(xiàn)隨機森林分類過程。首先使用sample( )函數(shù)按0.7∶0.3的比例進行有放回抽樣,將網(wǎng)貸平臺數(shù)據(jù)集分為訓(xùn)練集和測試集。對70%的訓(xùn)練樣本進行訓(xùn)練,選擇mtry(圖2)和ntree(圖3)的最佳數(shù)值以確定最終的隨機森林模型。

        圖2 二叉樹變量個數(shù)及其誤判概率散點圖

        圖3 決策樹數(shù)量及其對應(yīng)模型誤差變化圖

        由圖2通過對比可發(fā)現(xiàn),當(dāng)二叉樹的個數(shù)即mtry=7時,模型誤差最?。焕L制mtry=7的情況下模型誤差與決策樹數(shù)量之間的關(guān)系圖(圖3)可知,當(dāng)ntree在2600左右時,模型內(nèi)誤差保持相對穩(wěn)定狀態(tài),因此將ntree選定為2600。兩個重要參數(shù)值由此確定下來。

        為了檢驗上述構(gòu)建模型的分類預(yù)測效果,將測試集的數(shù)據(jù)代入模型中,測試集包含522組數(shù)據(jù),其中472組正常平臺數(shù)據(jù),50組問題平臺數(shù)據(jù),分類結(jié)果如表3所示。正常平臺的識別率達到93.43%,問題平臺的識別率達到80%,總體識別率是92.15%。模型識別效果較好,可用于風(fēng)險重要因素識別。

        表3 網(wǎng)貸平臺測試集預(yù)測分類結(jié)果

        2.3 P2P非正規(guī)金融重要風(fēng)險因素識別結(jié)果

        根據(jù)訓(xùn)練集得到隨機森林模型,輸出各變量指標(biāo)對應(yīng)于正常平臺和問題平臺的重要性權(quán)重如表4所示,權(quán)重值越大表明該因素越重要。

        從表4可以看到,對于正常平臺,運營時間、平均預(yù)期收益率、前十大借款人待還金額占比、待還余額等風(fēng)險因素比較重要,兼顧這些因素的平臺一般擁有一定的人氣,也較為安全??偟膩碚f,需重點關(guān)注平臺運營、成交量、運營時間三個維度的風(fēng)險因素。運營時間長的平臺風(fēng)險管理水平較為成熟;平均預(yù)期收益率在正常范圍內(nèi)波動,貸款資金較為分散使得平臺遭受違約風(fēng)險的相對較低;待還余額在可承受范圍,平臺總體安全度較高。對于問題平臺,除了重點關(guān)注運營時間、平均預(yù)期收益率以及待還余額之外,還需關(guān)注人均投資金額和滿標(biāo)用時這兩個人氣維度指標(biāo)。問題平臺可能因運營時間不長,未能積累足夠人氣,期望通過提高收益率來吸引投資者從而增加借款對象,若因運營時間過短而未能積累一定的風(fēng)險防御經(jīng)驗,易導(dǎo)致資金周轉(zhuǎn)不良等風(fēng)險問題。

        表4 平臺風(fēng)險因素對應(yīng)權(quán)重

        2.4 風(fēng)險重要因素識別結(jié)果的驗證

        MDA值衡量的是某個風(fēng)險變量受到干擾時隨機森林模型準(zhǔn)確率下降的程度,下降幅度越大則說明這個風(fēng)險變量對模型的預(yù)測效果影響越大。測算結(jié)果見圖4。

        圖4 MDA值及其對應(yīng)風(fēng)險因素的散點圖

        若不區(qū)分問題平臺和正常平臺,總體考慮MDA值。從圖4可以看到,運營時間、平均預(yù)期收益率、待還余額、人均投資金額以及前十大借款人待還金額占比等風(fēng)險因素的重要性較高,而借款人數(shù)和資金凈流入的重要程度較低,這也與表4的變量權(quán)重所展示的結(jié)果總體一致,說明風(fēng)險因素識別具有可靠性。上述因素可以作為P2P網(wǎng)貸行業(yè)風(fēng)險管理關(guān)注的內(nèi)容。

        3 結(jié)論

        以P2P網(wǎng)貸行業(yè)為例,運用網(wǎng)絡(luò)爬蟲方法收集數(shù)據(jù),并運用隨機森林分類方法,對非正規(guī)金融市場風(fēng)險因素進行了研究。該方法對平臺風(fēng)險有較好的識別效果,得到平臺的關(guān)鍵風(fēng)險因素主要是運營時間、平均預(yù)期收益率、待還余額、人均投資金額以及前十大借款人待還余額占比等。對我國 P2P平臺的風(fēng)險進行分析,可以有效幫助投資對象識別 P2P網(wǎng)貸問題平臺和正常平臺從而選擇優(yōu)質(zhì)的投資平臺,避免因問題平臺帶來資金受損;對風(fēng)險因素的重要程度進行評估,可以為政府部門和監(jiān)管機構(gòu)對非正規(guī)金融的風(fēng)險監(jiān)管提供一定的決策支持,并且對如何提高識別非正規(guī)金融風(fēng)險提供了思路。

        猜你喜歡
        金融模型
        一半模型
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
        何方平:我與金融相伴25年
        金橋(2018年12期)2019-01-29 02:47:36
        君唯康的金融夢
        3D打印中的模型分割與打包
        P2P金融解讀
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        支持“小金融”
        金融法苑(2014年2期)2014-10-17 02:53:24
        金融扶貧實踐與探索
        91l视频免费在线观看| 日韩第四页| 欧美一级视频在线| 中文字幕日韩精品永久在线| 亚洲一区二区三区尿失禁| 无码av免费一区二区三区| 色综合久久加勒比高清88| 国产成人亚洲精品一区二区三区| 国产18禁黄网站免费观看| 55夜色66夜色国产精品视频| 免费无码又爽又刺激高潮的视频网站| 亚洲中文字幕第一第二页| 99re6在线视频精品免费下载| 品色永久免费| 日本不卡一区二区高清中文| 中文字幕人妻一区二区二区| 欧洲多毛裸体xxxxx| 天天操夜夜操| 亚洲精品一品二品av| 美女丝袜美腿玉足视频| 日本三级欧美三级人妇视频黑白配| 国产免费专区| 手机免费在线观看日韩av| 男女性杂交内射女bbwxz| 亚洲中文字幕无码mv| 中文亚洲成a人片在线观看| 久久亚洲中文字幕乱码| 国产女人水真多18毛片18精品| 综合网五月| 熟女高潮av一区二区| 亚洲妇熟xxxx妇色黄| 97超级碰碰人妻中文字幕| 黑人免费一区二区三区| 青青草精品视频在线播放| 韩国无码av片在线观看网站| 91精品国产综合久久青草| 久久伊人精品色婷婷国产| 狠狠躁天天躁中文字幕| 免费毛片性天堂| 国产黄色一区二区三区,| 人妻仑乱a级毛片免费看|