P2P网贷平台风险监管研究

随着近年来全球范围内与互联网有关的借贷业务和模式的迅速发展,互联网金融市场也随之不断扩张。为解决网络交易平台因金融和互联网创新产生的一系列潜在的风险问题和技术问题,本文通过P2P网贷平台运行体系运行的全过程分析,研究其运行体系中不同主体、不同环节中产生的风险机制,并分析风险产生的制度基础。在此基础上,进一步分析发达国家特定信贷平台的风险生成机制以及监管制度,并与我国的现实情况进行对比和分析。最后,在P2P网贷平台风险生成有关机制、原理和理论研究的基础之上,针对我国有关P2P网络信贷监管中存在的一系列相关问题,为我国监管制度和监管政策提供相关意见建议。     

P2P网贷,如何从疯狂到理性

近年来,我国互联网金融发展迅猛,P2P网贷作为互联网金融的核心模式之一,是一种网络化、突破门槛和地域限制的投融资活动。然而,P2P网贷行业在经历了疯狂的扩张之后,风险和弊端开始显露。该文立足于P2P网贷平台,研究网贷行业目前发展现状及面临的问题,进而对我国P2P网贷平台及相关监管提出改进措施。     

基于因子分析与K-means聚类算法的P2P网贷平台风险评估模型

【目的】将人工智能领域的技术应用于网贷平台风险识别,提出了一种用于P2P网贷平台的风险评估模型,为网贷平台的风险划分提供决策支持。【方法】通过因子分析提取因子指标,进而利用K-means聚类算法对基于因子指标变化后的网贷平台运营数据进行聚类簇的划分,最终通过聚类结果对P2P网贷平台的风险进行划分。【结果】在获取真实网贷数据之后,采用皮尔森相关系数对平台指标进行影响指标的划分,随后使用因子分析将影响指标转化为因子指标,并在因子指标的基础上采用K-means算法对数据进行聚类分析。【结论】实验结果表明,因子分析聚类方法所得到的分析结果更为符合网贷数据所对应公司产品的实际情况,所得结论符合金融领域的实际情况,其聚类结果对网贷平台的风险评估和风险预测具有指导性的意义。     

P2P网贷平台借款人信用风险评估

为提高P2P网贷平台对借款人信用风险评估的准确性,利用主成分分析模型,用8个主成分反映18个指标,依据熵权法和方差百分比赋予权重,得到借款人是否违约还款的临界值,依据该值对借款人是否违约还款进行评估;再利用Logistic回归模型,得到影响借款人违约发生率的4个指标,其按影响程度从大到小的排序为借贷子等级、借贷目的、过去两年里超过30 d以上未及时还款的次数、贷款收入比。对11 383条交易数据的识别结果表明,在阈值为50%时,评估模型对正常还款的拟合率为99.6%,对违约还款的拟合率为71.3%,整体的拟合准确率为96.04%。     

我国P2P网贷平台金融犯罪:特征、成因及防治

P2P网络借贷对于盘活民间资金资源具有重要的意义,是我国金融体系的重要补充。然而P2P网络借贷在我国发生了严重的"异化"现象,成为金融犯罪的高发地带。我国P2P网贷平台金融犯罪的类型主要包括非法集资及平台跑路,具有隐蔽性、危害范围广、投资者维权困难、存在三个辨识点的特征。监管漏洞是我国P2P网贷平台金融犯罪泛滥的重要成因,应从P2P网贷行业立法、明确P2P网贷行业监管部门并增强各个部门监管的协同性、构建P2P网贷企业运营大数据监管系统、严厉打击P2P网贷企业金融犯罪的行为四个方面来治理P2P网贷行业的金融犯罪问题,促进行业的健康发展。     

LOGIT回归模型对公司违约的预测探讨

为准确有效地预测企业违约的可能性, 以避免信用违约风险, 基于单一变量和多变量两种模型的分析,利用Logit 回归模型对企业的各变量和违约概率进行推断, 并以德国企业为例, 分析违约公司的共性和特性。对模型的交叉验证结果表明, 以Logit 模型衡量企业违约预测的统计方法整体精度达到70% 左右, 并能保持较高的可靠性和稳定性。违约预测可大大降低企业的违约风险, 在金融投资领域发挥重要作用。     

一种新的P2P流量预测与管理方案

目前,P2P已发展成为Internet最受欢迎的应用之一,对人们的日常生活产生了深远的影响.同时,由于P2P自身对网络资源的过度占用和安全性等问题,也在不同程度上阻碍了行业的发展.文章通过对P2P流量管理和控制技术的研究,提出了一种新的P2P流量预测与管理方案.     

稀疏对数回归及其在基因选择中的应用

针对微阵列分类中涌现出的小样本、超高维问题,提出了一种同时进行基因选择和分类的稀疏对数回归学习机.结合部分自适应弹性网络惩罚与对数似然损失函数,提出了稀疏对数回归学习机,证明了该学习机能激励自适应群体基因选择效应.     

Logistic回归及其在概率降水预报中的应用

介绍了一种气象上较少应用的Logistic回归的原理和计算方法，并利用1999年3月1日至2001年5月30日期间，国家气象局T106模式输出的80个物理量场及其导出场资料和福州地区降水的0、1化资料，采用Logistic回归方法，制作春季福州24h降水概率预报，并与事件概率回归方法作了比较。结果表明，该方法对二分类变量有较好的预报效果。     

一种基于bot优先抽样的P2P botnet 在线检测技术

僵尸网络利用高效灵活的一对多控制机制,为攻击者提供了储备、管理和使用网络攻击能力的基础架构和平台,已成为当前Internet最严重且持续增长的安全威胁之一。为满足在高速网络实时检测P2P僵尸网络的需求,提出了一种基于bot优先抽样的在线检测技术。该方法利用bot优先的分级算法和基于优先级的包抽样算法,使得检测系统能够高效利用计算资源,在整体抽样率有限条件下,优先对疑似P2P僵尸通信数据包进行抽样,并使用流信息重构技术和流簇分析技术对抽样包进行统计分析来发现P2P僵尸主机。实验结果表明,所提出的在线检测技术能够有效提高对疑似P2P僵尸网络流量亚群的包抽样率,具有良好的在线检测效率和P2P僵尸检测命中率。     

基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报

短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011-2018年的江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04-10时和午后15-19时,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样算法（SMOTE）和逻辑回归（LR）方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心（ECMWF）预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24h以内的6h时效预报,TS评分在0.23以上,未来60h以内的6h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较好的指示作用,对气象防灾减灾具有重要意义。     

项目反应理论中参数的双重两步迭代估计

将经验Logistic回归用于项目反应理论中两参数Logistic模型的参数估计，得到第j个项目的项目参数向量βj=（αj，λj)的两步估计；βj=（xj’∑f^-1Xj)^-1Xj‘∑j^-1Yj，由于Xj含有未知的讨厌参数θ，我们结合上式的结果对θ进行再估计。从而形成一种新的估计方法-双重两步迭代估计。蒙特卡洛模拟结果显示，这种新的估计方法提高了估计对真值的恢复能力。     

我国P2P 借贷信息服务平台发展模式研究

Sviokla,J.认为P2P**平台在2009年经济管理界突破性观念中排名前十~([1])。到目前为止,我国已有数百家P2P借贷信息服务平台,但是因为多种原因导致平台发展过程中乱象丛生。鉴于此,本文对国内外典型P2P借贷信息平台发展过程进行梳理,采用SWOT分析方法,分析P2P借贷信息服务平台存在的优势、不足,面临的机遇和挑战,为今后我国P2P借贷信息服务平台更好地发挥资金融通作用,保障投资人的合法权益,实现平台多元化发展提出相应的政策建议。     

基于逻辑回归的计数型质量特性健壮参数谨慎控制策略

针对制造过程中存在的计数型质量特性，研究了相关基于统计回归模型的健壮参数控制（RM RPC）方法的建模和优化求解.引入谨慎控制的概念，与提出的一种逻辑回归方法整合后对过程进行建模，以提高RM RPC方法在不确定性环境中的健壮性，并在此基础上给出运用逻辑回归方法进行优化求解的流程.以表面贴装制造过程为例进行了应用分析.结果表明，所提出的研究方法在提高过程质量和稳定性上是有效的.     

基于有序Logistic回归模型的北京高校男生有氧能力

为探索北京高校男生有氧能力的影响因素,通过随机抽样法抽取134名18~25岁北京高校男生,空腹抽静脉血测血液指标,用德国MetaMax 3B系统实时监测气体代谢,通过线性递增方案测得VO2max相对值。基于Spearman相关、有序Logistic回归等分析方法进行分析处理。结果表明：北京高校男生有序Logistic回归方程：Ln{P(Y≤1|x)/1-P(Y≤1|x)}=-2.757-0.067*X1-0.025*X2+0.066*X3+0.018*X4-0.009*X5;Ln{P(Y≤2|x)/1-P(Y≤2|x)}=-0.771-0.067*X1-0.025*X2+0.066*X3+0.018*X4-0.009*X5（X1=体重、X2=心率(heart rate, HR)、X3=每搏输出量(stroke volume, SVI)、X4=心室射血时间(ventricular ejection time, VET)、X5=血红蛋白(hemoglobin, HGB)）。回归方程模型系数综合检验步(step)、块(block)、模型(model)检验的P值均小于0.01;拟合优度检验的-2对数似然值(-2LL)为159.374,Cox&SnellR2为0.331,NagelkerkeR2为0.373;预测等级1准确率为45.5%,等级2准确率为100%,等级3准确率为100%,综合为81.8%,说明Logistic回归模型性能良好。Hosmer和Lemeshow检验预测值与观望值无显著性差异（P>0.05）。可见北京高校男生定量负荷心功能、血液指标与有氧能力的多元Logistic回归模型拟合度较好,且HR、SVI、VET、HGB是有氧运动能力的重要预测因素。     

线性回归模型的置信区间与预测区间应用分析

论述线性回归的因变量置信区间和因变量个别值的预测区间原理后,结合实例分析了学生总数与季度营业额2个变量的关系.研究发现,学生总数与季度营业额关系存在很强的正向线性关系(r=0.950 1),可决系数（R2=0.902 7）可以解释总平方和中的90.27%,表明其拟合度很好.之后,给出了因变量平均值的置信区间、因变量个别值的预测区间及图形.