期貨研討會優秀論文摘要 多風險區間P2P貸款預測模型之配置

本研究應用風險分群與XGBoost建模來優化P2P借貸利潤模型,並從利潤與違約兩種面向的績效指標分析最佳預測模型之配置組合。本研究實證資料為Lending Club從2007年至2013年共222,955筆貸款。相較於過去以一套模型預測所有P2P貸款樣本的作法,我們發現先將借貸樣本依傳統信用評等進行分類,再依不同群特性各自建構預測模型的作法可以獲得更佳的預測結果,且根據信用評分等級建構不同的對應預測模型可以讓放款的總獲利金額更大。

除此之外,我們也發現績效目標的設定會影響預測模型的選擇,如:以追求最小化錯誤放貸率的模型不一定能讓獲利金額最大化。因此投資者及平台需先確立目標,依照不同目標訂定績效準則來選擇最佳之對應預測模型。本研究結果可提供投資者或平台針對所設定之績效目標做最適模型配置的參考。

作者:*輔仁大學金融與國際企業學系助理教授 楊雅薇、輔仁大學金融與國際企業學系教授 高銘淞、資通電腦股份有限公司資料工程師 何韻儀
*通訊作者E-mail: yawei.yang@gmail.com