基于数据挖掘的P2P网贷借款人信用风险评估研究的任务书.docx

基于数据挖掘的P2P网贷借款人信用风险评估研究的任务书
任务书
课题名称：基于数据挖掘的P2P网贷借款人信用风险评估研究
一、任务背景
随着经济社会的快速发展和信息技术的迅速普及，P2P网贷行业得以迅速发展。P2P网贷借款人信用评估是P2P网贷行业非常重要的一环，对借款人的信用评估决定了P2P平台是否能够有效地识别和控制信用风险。众多的借款申请人，P2P平台很难仅依靠传统的人工信用评估方式，很难快速而准确地对借款人进行信用评估。如何应对P2P网贷行业信用评估的难题，提高借款人信用评估的效率和准确性，成为当前P2P网贷行业的一个研究热点。
二、任务目标
本课题的目标是基于数据挖掘的方法，研究P2P网贷行业借款人的信用风险评估技术，建立P2P网贷借款人信用评分模型，使得P2P网贷平台能够更快捷、更准确地进行借款人信用评估，提高P2P网贷行业的风险控制能力。
三、任务内容
1.对P2P网贷行业的相关国内外研究进行梳理和总结，分析各类文献所提出的不同信用评估方法的优劣势，并根据研究成果确定适合本课题的信用评估方法。
2.基于本行业的数据特征，建立P2P网贷借款人的信用评估模型，包括利用数据挖掘技术进行借款人的信息筛选和处理、分析特征之间的相互关系、选择适合的数据挖掘算法，构建借款人信用评分模型，并对其性能进行测试和评估。
3.针对借款人的信用评估，研究其影响因素和特征，并确定能够有效区分借款人信用好坏、提高信用评估准确性的评估指标。
4.完成数据挖掘算法的实现，构建一个可视化的数据分析系统，入选变量表、预测模型的生成、效果评估以及相关数据分析统计报表综合呈现。
5.分析研究成果，撰写研究报告，向有关部门和企业提供相关咨询服务。
四、任务要求
1.本课题研究重点是基于数据挖掘技术的P2P网贷借款人信用风险评估方法。需要对借款人的各项信息进行处理，并利用数据挖掘技术进行变量筛选和模型构建，提高P2P网贷平台的风险控制能力。
2.需要对不同的数据挖掘算法进行比较和研究，选择对本课题最适合的算法，并建立信用评估模型。
3.调用底层的计算机硬件设备性能进行算法优化，使得模型的运行速度和准确性都得到保障。
4.根据任务需要，需要使用Python或者R语言进行数据处理和算法实现。
五、参考文献
[1]周盼,柴荔胜.基于网贷平台数据的借款人风险评估研究[J].中南财经政法大学学报,2020(5):1-10.
[2]李盛文,赖泳可.基于改进遗传算法的P2P网贷风险评估模型研究[J].现代财经—分析评论,2020(7):55-62.
[3]周海平,徐建平.基于模糊综合评价的P2P网贷借款人信用评估研究[J].软件导刊,2020(9):10-11+14.
[4]胡涛,王兴.基于逻辑回归的P2P网贷借款人信用评估研究[J].现代财经—分析评论,2020(23):43-50.
六、研究进度安排
1.任务启动：2022年6月1日-6月7日
2.文献查阅：2022年6月8日-6月15日
3.数据处理和算法研究：2022年6月16日-10月31日
4.模型训练和测试：2022年11月1日-2023年1月31日
5.报告撰写和提交：2023年2月1日-2023年3月31日
七、备注
本课题按照学校研究项目的管理模式执行，研究经费为10万元。研究期限为两年。在研究过程中如遇重大调整会及时报告成果进展情况。