Resumen

Con el continuo desarrollo de la tecnología de big data, los datos de la plataforma de préstamos en línea presencian un desarrollo explosivo. Cómo aprovechar al máximo las ventajas de los datos, establecer un modelo de evaluación de riesgo crediticio y realizar el control efectivo del riesgo crediticio de la plataforma se ha convertido en el foco de la plataforma de préstamos en línea. Dado que los datos de préstamos en línea son principalmente datos desequilibrados, el algoritmo SMOTE es útil para optimizar el modelo y mejorar el rendimiento de evaluación del modelo. La investigación relevante muestra que el modelo de bosque estocástico tiene una mayor aplicabilidad en la evaluación de riesgos crediticios, y CART, ANN, C4.5 y otros algoritmos también se utilizan ampliamente. En los factores influyentes de la evaluación crediticia, el peso de la escala de la empresa de los solicitantes, los años de trabajo, los registros históricos, la puntuación crediticia y otros indicadores es relativamente alto, mientras que el peso del índice del estado civil y la vivienda/

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Desarrollo continuo; Tecnología de big data; Plataforma de préstamos en línea; Modelo de evaluación de riesgo crediticio; Riesgo crediticio de la plataforma; Modelo de bosque estocástico
• Keywords:Continuous development; Big data technology; Online lending platform; Credit risk assessment model; Platform credit risk; Stochastic forest model