融合多源大数据的互联网金融个性化价值发现与风险评测

In recent years, Internet finance has been improving rapidly. It creates many novel business, and leads to new user characteristics, as well as the change of thinking of finance service providers. However, under traditional industry environment and research condition, Internet finance companies failed to adequately discern and utilize user values. Yet they felt difficult to know the risks from users and the users’ concern on safety and privacy issue. Fortunately, the data condition and analytical methodology of big data bring good opportunities to the further development of Internet finance. Based on summarizing the research gap of existing studies and relevant supporting theories, and taking advantage of multisource data fusion, this project firstly studied the accurate persona problem of Internet finance users. Then we pay main attention to the Internet finance user value discovery created in all possible application channels. We also probe the problem of multi-dimensional finance user risks, and safety and privacy perception. Finally, on foundation of user characteristics and value analysis, through algorithm design and test, this project discusses the matching scheme, service design and recommendation, performance measurement, feedback mechanism, and model improvement of personalized Internet finance service. This project has both important theoretical innovation and practical values. The achievements of this project could bring about business benefits and social values to finance service providers, users as well as regulators.

近年来互联网金融得到飞速发展。互联网金融行业产生了许多新的业务，激发了用户新的特征，同时引发了金融行业服务思维模式的转变。然而，传统的行业环境和研究条件使得互联网金融企业不能有针对性地充分识别和发挥用户价值，也不能准确地考虑用户产生的风险及其对安全隐私的顾虑。幸运的是，大数据的数据条件和研究方法为互联网金融的发展带来了良好契机。在总结现有相关研究缺口和相关支撑理论的基础之上，本项目首先研究融合多源大数据的互联网金融用户精准画像问题；并在此基础上重点研究基于全渠道的互联网金融用户价值发现与多维风险评测问题；最后根据对用户特征和用户价值的分析，通过设计算法和实验探讨互联网金融的个性化服务匹配、定制、推荐、效果测评与反馈改进。本项目的研究具有重要的理论创新和实践意义，为金融服务提供商、广大用户和监管机构带来商业利益和社会价值。

近年来，以互联网络借贷为典型业务代表的互联网金融行业发展迅速。在高速发展的同时，互联网金融行业也存在着非常明显的问题，互联网金融平台和投资人面临着比传统金融行业更高的借款人风险。如何能够尽可能地低成本地挖掘和利用借款人的有效信息在借款审核阶段对借款人风险加以评测以及识别用户价值，并考察网络借贷行业的信息安全与隐私问题，是互联网金融借贷平台运营管理的最主要目标。在此基础上，互联网金融才能更好地优化其服务和运营策略，从而取得更好的发展。在本项目中，我们首先探讨基于多源数据的借款人风险画像和评测问题。我们针对贷前风险评测在单笔还款层面上提出了一个评测借款人逾期和坏账风险的两阶段计量模型，以及根据眼球和鼠标定位的“微行为”识别借款人潜在风险。接下来，我们通过在网络借贷平台的实地实验研究了一系列行为机制对降低借款人还款道德风险的影响，并探究了基于不同关系强度的社交压力惩罚催收策略对提升逾期借款人还款行为的影响。在用户价值挖掘方面，本项目认为要挖掘用户价值，必须要对用户具有充分的了解。要做到这一点，需要更为精细化的用户行为管理方式，即深入探讨互联网金融用户的心理特征，从而才能更好地展开风险评测和价值挖掘。因此基于一般压力理论本论文提出了一系列用于预测借款人逾期和坏账风险的社会心理因素指标，并通过针对社会化媒体文本的训练测算了借款人的风险和价值。此外，项目组在互联网金融欺诈算法改进和用户行为机理两方面展开了网络借贷用户安全与隐私问题的相关研究。最后，本项目以大学生样本为例实证分析了借款人的行为特征和定向服务策略，并探究了网络借贷双边平台的最优定价策略和风险投资影响，同时基于抓取的文本数据研究了其中的用户反馈机制。本项目研究能够帮助互联网金融平台实现全生命周期的用户风险评测和价值发现，加强对互联网金融信息安全和隐私的理解，并为优化的服务策略提供对策建议。