[发明专利]一种P2P网贷借款人信用风险评估的装置

说明书

技术领域

本发明涉及数据处理技术领域，具体涉及一种P2P网贷借款人信用风险评估的装置。

背景技术

近年来，随着互联网技术的迅猛发展，P2P网贷迸发出强大的活力，愈来愈受到国内外市场的关注和认可。P2P网络借贷指以有资质的互联网第三方平台作为中介，借款人发放借款标，投资人通过竞标向借款人放贷的行为。在平台审核之后，借款人可发布其融资需求信息，包含数额、借款利率、还款期限、还款方式、借款用途及保证还款的形式等，投资人根据借款人发布信息，做出投资决策，这一模式为很多无法从银行及其他信贷机构获得贷款支持的小微企业主、个人消费者提供了一条新的融资渠道。它的社会价值主要体现在满足个人资金需求、发展个人信用体系和提高社会闲散资金利用率三个方面。P2P网贷最大的优势是填补了传统金融的大空白。传统金融产品，无论是银行理财、基金、股票、还是信托，他们服务的对象都不包括小微企业和普通的小市民，起点也高。而P2P平台的出现，填补了这一空白，P2P主要服务于小微企业的小额融资，主要的投资人也多为普通的市民、上班族，大大激活了国人的投资热情，丰富了人们投资理财的选择。

然而由于市场经济中存在着大量的信息不对称现象，使得信用风险成为了社会中的主要矛盾。P2P网贷本质上是一种信用贷款，而投资人往往不能够全面了解借款人的信用情况，往往会容易产生借款人违约的道德风险问题。一方面，目前P2P网贷借款人信用风险指标体系缺乏相对统一的标准；另一方面，作为风控核心的风险评估模型处于初级阶段，现有的风险评估模型预测准确率不高，并不能真实有效地反映借款者的信用水平。

发明内容

本发明的目的在于提供一种P2P网贷借款人信用风险评估的装置，能够提高风险评估的预测准确度。

本发明为解决上述技术问题采用以下技术方案：

一种P2P网贷借款人信用风险评估的装置，所述装置包括：

数据采集模块，用于采集评估P2P网贷借款人信用风险的原始数据；

指标体系构建模块，用于建立P2P网贷借款人信用风险评估指标体系；

数据处理模块，用于结合构建的P2P网贷借款人信用风险评估指标体系，将采集到的原始数据进行缺失值处理、离群值处理和数据归一化处理；

评估模型构建模块，用于通过机器学习算法构建P2P网贷借款人信用风险评估模型；

评估模型应用模块，用于利用构建的P2P网贷借款人信用风险评估模型对P2P网贷借款人信用风险进行量化以及评估。

进一步地，所述数据处理模块用于对原始数据进行数据泛化、缺失值处理、标准化处理、离群值处理和分层抽样处理。

进一步地，所述数据处理模块包括：

数据泛化单元，用于将数据集从第一概念层抽象到第二概念层，在抽象过程中包括数据字符转换和数据离散化的操作；其中，数据离散化包括把连续型数据切分为若干段，以区分自变量和目标变量。

进一步地，所述数据处理模块包括：

缺失值处理单元，用于删除缺失值，其中，所述缺失值的样本比例低于指定阈值并且所述缺失值在样本中随机出现；通过变量间关系预测缺失数据，并利用蒙特卡罗随机模拟方法生成多个完整数据集，再对各个所述完整数据集分别进行分析，并对分析结果进行汇总处理。

进一步地，所述数据处理模块包括：

标准化处理单元，用于将数据按比例缩放，使其固定在一个特定区域并对数据标准化；其中，所述标准化包括将数据映射至起始值和终止值分别为0和1的区间中或者利用对数运算对所述数据进行处理。

进一步地，所述数据处理模块包括：

离群值处理单元，用于通过箱式图来对数据点进行判断，当数据点与箱体下四分位数或上四分位数之间的距离超出距离阈值时，或者当数据点超过箱体图最大值时，将该数据点确定为离群值。

进一步地，所述数据处理模块包括：

分层抽样单元，用于在建立借款人信用风险评估模型之前，从数据集中分别抽取出训练集与测试集，其中，所述训练集用于构造模型，所述测试集用于评价模型。

进一步地，所述评估模型构建模块包括：

寻优模型构建单元，用于利用混沌布谷鸟算法CCS对Xgboost算法进行参数寻优，以构建CCS-Xgboost模型；

模型训练单元，用于通过历史交易数据对所述CCS-Xgboost模型进行训练，并把训练后的CCS-Xgboost模型作为P2P网贷借款人信用风险的评估模型。

进一步地，所述评估模型应用模块包括：