[发明专利]一种考虑宏观经济的P2P平台违约预测方法

权利要求书

1.一种考虑宏观经济的P2P平台违约预测方法，其特征在于，包括以下步骤：

A特征提取，根据P2P平台及宏观经济的相关数据提取特征；

B经济环境类型判定，提取特征并运用聚类分析方法研究P2P平台所处的经济环境，根据P2P平台的经营时期并结合该时期内的平均收入水平、失业率和GDP等宏观经济数据，利用聚类分析的方法将P2P平台划分为不同的簇；

C特定经济环境下的P2P平台，相同簇中的P2P平台被认为是处于同一经济环境下，而不同簇中的P2P平台所处的经济环境也不同，根据每个簇中经济数据的统计学特征确定该簇内P2P平台所处的宏观经济环境特点；

D平台类型判定，影响P2P平台违约风险的软硬信息，提取相关特征并利用分类分析方法将每个簇中的P2P平台划分为健康平台和风险平台。

2.根据权利要求1所述的一种考虑宏观经济的P2P平台违约预测方法，其特征在于，所述特征提取包括6个宏观经济特征、8个硬信息特征和8个软信息特征；

6个宏观经济特征包括平台运营期间平均失业率、平台运营期间平均GDP、平台运营期间商品房平均售价、平台运营期间平均工资、平台运营期间的平均平台数量和平台经营期间股票平均成交量；

8个硬信息特征包括注册资金、获得融资金额、获得融资次数、银行存管、出借期限、第三方担保、债权转让和保障方式数量；

8个软信息特征包括ICP经营许可证、加入行业监管协会、监管时长比例、平台背景、注册地城市评级、网络综合评分、网络点评人数和运营时长。

3.根据权利要求1所述的一种考虑宏观经济的P2P平台违约预测方法，其特征在于，所述平台类型判定在这一过程中，考虑违约风险数据的高维性和不平衡性，设计了LAS-STACK模型，并将其与多个常用的基准模型进行比较。同时从信号理论的视角，深入认识各类型特征在不同宏观经济环境下对P2P平台违约风险的影响强度和机理，最后对所提出模型和各类型特征的风险预测能力进行鲁棒性分析。

4.根据权利要求3所述的一种考虑宏观经济的P2P平台违约预测方法，其特征在于，所述LAS-STACK包括三个步骤：第一，特征子空间生成；第二，基学习机制选择；第三，基学习结果的组合。

5.根据权利要求3所述的一种考虑宏观经济的P2P平台违约预测方法，其特征在于，所述特征子空间生成为：通过调整子空间比率_r和lasso估计的惩罚参数λ两个重要参数，将原始特征集分割为若干个子集。_r决定每个特征子集与全局特征集的比值，而惩罚参数λ影响特征集的收缩，特征权重由lasso估计确定；

基学习机制选择为：根据构建的子数据集训练选定的基分类器，选择SVM作为LAS-STACK的学习机制，支持向量机通过最小化结构风险达到最小化泛化误差，在支持向量机中，非线性输入向量被映射到一个具有核函数的高维特征空间中，使得数据集可以被线性模型处理，支持向量机搜索一个最优超平面来分类两个具有最大分离度的类的实例；

基学习结果的组合为：对每个基分类器的结果进行整合，Stacking集成方法采用Logistic回归作为元分类器，将各个基分类器的输出作为元分类器的输入，通过整合基分类器的学习结果减小集成模型的分类误差并提升泛化能力。