P2P借贷市场的关键影响因素与用户行为研究

Peer-to-Peer (P2P) lending market, where individuals bid on unsecured microloans requested by other individual borrowers, has rapidly grown in recent years. However, because of its short history, few studies haven been carried out on it. The key factors affecting the P2P lending market and the market's user behaviour will be studied here. We will focus on the following topics: (1)In order to reduce the investment risk for lenders, the effect of the social network information on the evaluation of default risk will be analyzed; (2)The decision tree method will be used to analyze how the loan application information affects the probability of funding success; (3) The existence of key lenders influencing the bidding behaviour of others will be checked for by using the social influence analysis method; (4) Financial fraud by improving credit scores via proceeding large numbers of fictitious trades will be detected by using the outlier detection method in combination with both community detection and community feature extraction methods. We hope our research will promote the prosperity of the P2P lending market.

P2P借贷市场在过去的几年中取得了快速发展，借助该市场，出借人可以为借款人提供无抵押小额贷款。P2P借贷市场出现的时间较晚，对其的研究目前并不多见。本项目将对P2P借贷市场的关键影响因素以及用户行为进行研究，主要包括如下四点：(1)为了降低出借人的投资风险，将分析社交网络信息在违约风险评估中的作用; (2)利用决策树，研究贷款申请书中的信息对申贷成功概率的影响; (3)利用社交影响力分析，研究是否存在可以影响其他出借人竞标行为的关键出借人; (4) 利用离群点检测、社区发现技术以及社区特征提取技术研究是否存在为提升信用评分而进行的虚假交易。我们希望本项目将有助于促进P2P借贷市场繁荣。

P2P借贷市场在过去的几年内经历了由爆炸性发展到逐步规范发展的转变。如何提高贷前信用评估准确率、提高商业项目贷后风控能力、分析影响借贷成功的因素等问题是P2P借贷市场参与方关注的主要问题。本项目围绕上述问题展开研究，主要研究内容和研究成果如下。(1)个人信用评估模型研究, 包括：研究了基于自注意力机制的个人信用评估模型，该模型借助自注意力机制对含有类别型和数值型特征的个人信息进行特征提取。研究了一种基于消息选择的图卷积网络模型，称为推拉图卷积网络，该模型可以被应用于含有社交网络信息的信用评估中。(2)获得贷款的关键因素研究, 包括：研究了一种基于软决策树的信用评价模型，该模型兼有决策树和深度神经网络的特点，能够解释影响信用评估的因素。研究了一种多专家决策下的层次分析模型，该分析模型可以被应用于基于领域专家知识的关键因素分析。有学者指出P2P借贷市场上存在"容貌溢价"现象，外貌会对出借人决策产生影响，为此我们还提出基于低秩关联矩阵的鉴别投影方法用于提取提取借贷者的外貌特征以便为进一步分析服务。(3)商业项目收益预测研究：项目组以电影票房预测为例研究了基于社交媒体评论的收益预测模型，该模型可以被用于对商业投资类借贷标的贷后市场收益进行预测。本项目的研究成果将为P2P借贷市场的主要参与方提供有益的参考。