Predicting Failure of P2P Lending Platforms through Machine Learning: The Case in China

要約

この研究では、機械学習モデルを使用して、特に中国におけるピアツーピア (P2P) 融資プラットフォームの失敗を予測しています。
前方選択と後方消去によるフィルター法とラッパー法を採用することで、プラットフォームの障害を予測する際の変数の堅牢性と重要性を保証する厳密で実用的な手順を確立します。
この研究では、さまざまな選択方法やモデルにわたって機能サブセットに一貫して現れる一連の堅牢な変数が特定され、プラットフォームの障害の予測におけるそれらの信頼性と関連性が示唆されています。
この研究では、特徴サブセット内の変数の数を減らすと他人受入率が増加する一方、パフォーマンス指標は安定しており、AUC 値は約 0.96、F1 スコアは約 0.88 であることが強調されています。
この調査結果は、中国の P2P 融資業界で活動する規制当局と投資家に重要な実践的な意味をもたらします。

要約(オリジナル)

This study employs machine learning models to predict the failure of Peer-to-Peer (P2P) lending platforms, specifically in China. By employing the filter method and wrapper method with forward selection and backward elimination, we establish a rigorous and practical procedure that ensures the robustness and importance of variables in predicting platform failures. The research identifies a set of robust variables that consistently appear in the feature subsets across different selection methods and models, suggesting their reliability and relevance in predicting platform failures. The study highlights that reducing the number of variables in the feature subset leads to an increase in the false acceptance rate while the performance metrics remain stable, with an AUC value of approximately 0.96 and an F1 score of around 0.88. The findings of this research provide significant practical implications for regulatory authorities and investors operating in the Chinese P2P lending industry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google