基于Logistic模型的小微贷不良用户画像

随着互联网金融的发展及个人消费需求的日益增长,小微贷,特别是基于互联网的P2P借贷得到了较快的发展。但由于平台风险识别能力的缺失,部分平台产生大量违约情况,致使投资人遭受损失。为辅助平台及投资人有效识别不良用户,减少坏账带来的损失,本文基于国内外较有代表性的P2P平台:Prosper及拍拍贷上的数据,采用逻辑回归、决策树及支撑向量机三类模型对借款人进行信用评估,并依据模型结果得到小微贷不良用户画像。结果表明,逻辑回归模型时间复杂度低,具有优越的可解释性,更加适用于违约因素的研究。并且不良用户借款通常具有高利率、长期限的特点;同时用户本身没有稳定工作,收入较低。而常被我们关注到的性别、年龄以及学历反而影响较低。