基于BP神经网络的中国P2P网贷平台的风险评估及解决方案

龙源期刊网 http://www.77cn.com.cn

基于BP神经网络的中国P2P网贷平台的风险评估及解决方案

作者：钟佳倚叶高扬麦棋昌黄珊珊何渊迪

来源：《商情》2017年第01期

【摘要】近年来国内P2P网贷行业良莠不齐，如何合理有效评估P2P平台风险，一直是投资界和学术界的关注的问题。当前国内P2P平台存在的风险主要包括法律风险，操作与技术风险，市场风险与信用风险四类。因此，我们建立BP神经网络模型评估风险，选取160家平台作为样本，并挑选出资本充足率等12个定量指标和注册省份和股东背景2个定性指标。通过优化指标体系，模型准确率由12个指标的91.4%，提高到14个指标的94.28%。最后根据结论，我们提出了相关建议。

【关键词】金融；P2P；网络借贷

1 绪论

在P2P平台风险评估研究方面，国内外已有较多相关资料。Byan Jankar，M Heikkil，J Mezei（2015）构建神经网络信用评级体系，发现其准确度比传统的回归模型更高。国内，刘峙廷（2013）结合德国IPC风险评估，将风险量化，建立适合我国P2P网贷平台的信用评价模型。曹玲燕（2014）结合模糊数学与层次分析方法对评估平台风险进行了评估。路晨（2015）借助风险矩阵模型，对P2P平台不同风险进行排序，提出了应对不同风险的措施。上述研究主要以一间机构为研究对象，研究的风险指标体系有待完善，因此不存在广泛性。在接下来的讨论中，将在前人研究基础上进一步拓展和完善评估模型。

2 BP神经网络风险评估模型

2.1BP神经网络模型简介

BP（Back Propagation）神经网络，即方向传播算法，在1986年由Rumelhart和McCelland提出，是目前应用最广泛的神经网络模型之一。它能够学习和储存大量的输入与输出映射关系，而无需揭示这种映射的数学方程，是一种仿真模拟运算系统，能够实现自主学习，尤其擅长进行数据预测。BP神经网络模型有三层结构，包括输入层（input）、输出层（output layer）、隐层（hidden layer）。其学习方式是通过处理大量的输入变量和输出变量，拟合出最贴近的映射关系，建立非线性模型。

2.2数据来源

本文来源：https://www.bwwdw.com/article/nuum.html