论文部分内容阅读
个人信用评价是互联网金融的重要组成部分,是交易双方正常往来的前提保证。随着大数据、人工智能、云计算、区块链等技术的发展,有关个人信用评价的研究也逐渐往新的方向发展并出现新的特征。传统的信用评价业务范围较小,在借贷历史、交易记录等金融数据缺失或不对称的情况下很难直接判断出一个人的真实信用,但利用大数据环境下的电商数据、社交数据以及网络上不经意的各种行为数据评估出的用户信用可以有效补充用户的信用信息。近几年,各大互联网公司、线上借贷平台以及信用依托产业如摩拜单车等都借助网络业务中的信息创建了个人信用评价模型来评定用户的信用,以此限制低信用用户的交易从而降低风险。诸如此类的互联网企业拥有海量的用户数据,在大数据征信的环境下占了优势地位,各自构建了适用自身业务的信用评价体系。然而一些大数据征信业务同样只从一个层面如线上交易数据评定用户的信用,为了避免传统信用评价过程中出现信用信息不足的情况,本文将从另一个角度来评估用户补充用户的信用情况,即通过社交数据进行个人信用评价。基于社交数据评价用户个人信用的研究过程中,以下三个问题有重大的研究意义:(1)由用户社交数据评估所得的社交信用只代表了用户信用的一部分,如何证明社交信用与用户的真实信用保持同比一致;(2)如何利用社交数据构建信用行为模型说明社交行为维度评价信用的可行性;(3)如何建立有效的信用评价指标体系以便计算出社交用户的信用。本文通过爬虫技术在中国最大的社交平台新浪微博上爬取用户数据,结合实证研究方法、机器学习方法、计量建模法及决策分析方法来解决这些问题。首先,本文重点研究如何在精细加工可能性模型(Elaboration Likelihood Model,简称ELM)理论基础上结合社交网络的特点构建信用评价行为模型。接着,分别引入阳光信用分和芝麻信用分对微博平台中的信用表现形式进行说明,证实社交数据可用以评估及补充个人信用;在验证了社交因素会影响用户信用后,本文对影响信用的社交维度进行细化和添加,构建较为完整的个人信用评价体系,通过层次分析法(Analytic Hierarchy Process,简称AHP)和模糊综合评价法计算出网络用户的确切信用分值,最后将信用评估值与现有用户信用进行对比,证实了本文构建的个人信用评价体系的可行性。研究结果表明,用户在社交网站上的行为可以体现出其信用情况。一方面,在网络犯罪成本低下的社交环境中,具体的信用评判准则能在一定程度上提醒众网友,同时减少欺诈、传播不良信息等事件的发生;另一方面,大数据征信是一种新的信用评价方式,在传统信用评价过程中出现数据缺少或信息不对称等情况时,不失为一种可靠的信用补充方式以便提高信用的准确度,具有一定的现实意义。本文的主要创新点如下:1.基于ELM理论框架构建信用行为模型,结合理论框架与实证框架正面解释了社交因素对用户信用的影响情况,通过中央路径与周边路径分别探讨社交数据验证信用的过程;同时本文首次引入阳光信用分作为用户的社交信用,得出了社交信用与真实信用为同比关系的结论。将ELM应用到社交数据信用评价中,是对理论应用的一种创新。2.从微博平台入手并结合平台特点,串联前后研究分析针对微博用户信用的评价要素,确定综合评价指标并构建微博用户信用评价指标体系,形成了一套微博用户主体信用评估算法。数据的独特性和指标的唯一性使本文最后的信用评估算法具有独创性,阳光信用分的验证更说明了使用社交数据进行个人信用评价研究的可行性。