[发明专利]一种基于逻辑回归的P2P平台运营风险评估的系统

说明书

本发明涉及一种基于逻辑回归的P2P平台运营风险评估的系统,本发明通过对大量P2P平台数据进行分析归纳出备选特征表，然后将备选特征表内的特征分为数据数值特性和数据存在特性，通过对这两个特性与平台的风险指数进行相关性分析，从而选取出主要特征对模型进行训练，确保模型的准确率和提高工作效率，并且建立基于逻辑回归的风险评估模型，逻辑回归算法部署简单易，得出的结果为概率值，可以人为确定cutoff，训练速度快，重新训练代价小，通过更新公式方法训练模型，使得模型更加精准。

技术领域

本发明涉及一种风险评估的系统，具体涉及一种基于逻辑回归的P2P平台运营风险评估的系统。

背景技术

P2P是英文person-to-person的缩写，意即个人对个人,又称点对点网络借款，是一种将小额资金聚集起来借贷给有资金需求人群的一种民间小额借贷模式,属于互联网金融产品的一种,属于民间小额借贷，借助互联网、移动互联网技术的网络信贷平台及相关理财行为、金融服务。

目前国内的P2P网络借贷平台多达几千家，对P2P平台的分析不仅仅要针对借款人的信用风险的分析，而且要对平台本身的运营风险进行分析，需要通过一些数据判断某一个平台是好是坏，即是否存在跑路风险，然而不同的风险评估模型得到的结果与准确率是不同的。

发明内容

本发明其目的在于公开一种基于逻辑回归的P2P平台运营风险评估的系统，提供一种基于逻辑回归的风险评估模型建立方法，并且通过推算方法将风险评估模型训练得更加准确。

实现本发明所述基于逻辑回归的P2P平台运营风险评估的系统的技术方案是：

一种基于逻辑回归的P2P平台运营风险评估的系统，包括以下步骤：

1)第一次数据采集：获取多个P2P网络借贷平台的运营数据；

2)备选特征表建立：对第一次数据采集获得的运营数据进行筛选和提取，提取出特征和与特征相对应的数据，与特征相对应的数据定义为特征数据，依据特征数据的模式特征将特征分类建立备选特征表；

3)相关程度分析和特征选取：对特征采用皮尔森相关系数、斯皮尔曼相关系数、肯德尔相关系数和p值进行相关性分析，通过上述四种分析方法，每个特征均获得4个分析值，选取相关性分析绝对值0.4以上，同时P值0.005以下的特征，将这部分特征定义为主要特征；

4)模型训练集构建：取第一次数据采集中第一预设量的正常平台和第一预设量的逃跑平台的数据，提取出这些平台的主要特征数据作为训练集，将训练集整理成{(X⁽¹⁾,Y⁽¹⁾),(X⁽²⁾,Y⁽²⁾)...(X^(m),Y^(m))}，X^(m)是主要特征数据的向量，Y^(m)是平台的现有状态，逃跑为1，正常为0；

5)风险评估模型建立：建立逻辑回归的基础函数，其数学形式是：在逻辑回归中，训练集由m组标记过的样本构成：{(X⁽¹⁾,Y⁽¹⁾),(X⁽²⁾,Y⁽²⁾)...(X^(m),Y^(m))}，输入特征为X^(m)，特征向量X的维度为n+1，X_n+1＝1.0为截距项，逻辑回归是处理二分类问题，类标签为Y^(m)∈{0,1}，所以模型函数如下：采用求最大似然函数的方法，逻辑回归似然函数为：其中m表示样本数量，将逻辑回归似然函数取对数后，表示成：上述函数是一个上凸函数，使用梯度上升来求得最大似然函数值，或者将上述函数乘以-1，变成下凸函数，使用梯度下降来求得最小负似然函数值，所以逻辑回归的损失函数为：采用随机梯度下降法，来求解方程组的参数值，梯度下降θ的更新公式如下：其中，J(θ)的求导过程如下：