基于深度学习的智能风控
计算机学院(国家示范性软件学院)
Intelligent risk control based on deep learning
随着网络的发展,P2P的逐渐普及,在给那些创业者,投资人提供机会的同时,P2P平台违约的情况也屡次发生。经过国家的调控,以及业界先驱的不断努力,诸如花呗,微粒贷,芝麻信用等平台,以及银行,债券等金融机构以通过其技术和庞大的征信系统,基本完善了体系。但是对于那些中小型企业,面对来自民间的借款人,他们只能通过P2P平台,担保人,抵押等方式来进行放贷。担保人和 抵押这些方式手续相对复杂繁琐,平台无疑成为最好的选择。目前平台较可靠的借贷模式为O2O模式,但是由于其借款方也是经由线下发展,再推荐到平台,效率依然不是很高,且不一定能真正满足双方的需求。所以我们想开发一个系统,可以便捷快速地满足双方需求。我们将采用多种训练模型,共同评估,得出更准确高效的模型。我们将测试早期的线性回归模型,逻辑回归,决策树和随机森林,K-近邻算法,基于深度学习的神经网络等模型,并着重测试已经被证明有优势的随机森林,人工神经网络的极限算法,深度信念网络,XGBOOST等模型,同时,进一步提出新的设想,再基于以上模型,通过Impala,mysql系统操作,结合图算法,行为序列模型,LSTM等技术,提高模型准确率。同时我们还要提出使得借款方和企业双赢的模型。我们将建设优质客户的评估系统,尝试开发升级版的O2O模式,将借款用户信息进行数据可视化传到平台和小程序上,使得诚信度较高,但偶尔会延期还款的用户得以免受金融机构的额度限制,借贷公司也更有可能盈利。与此同时,我们尝试开发出小程序,便于用户能直接在手机端便捷地查看数据,使得用户快速便捷地实现数据查询。