P2P借贷(P2P Lending),即个人对个人的借贷,是指有资金的个人,通过电子交易平台借贷给其他有借款需求的个人。全球第一家在线P2P借贷平台Zopa于2005年3月成立于英国伦敦,然后迅速传播到了美洲、亚洲等地区,经过十多年的持续发展,世界各国的P2P借贷的业务模式已逐步稳定,各国配套的监管体系也日趋成熟,相关服务越来越被大众接受。P2P借贷自2007年就已进入我国,但在我国的发展却充满曲折,在经历了一段野蛮生长以后,从2014年开始进入调整期,2018年更是迎来了风险集中暴露,各项业务指标出现了较大程度回调。我国P2P借贷业务发展所遇到的问题,主要是由与金融市场不成熟、监管相对不健全、集成金融服务欠缺等因素相关。但从我国当前金融市场发展的实际情况来看,P2P借贷对于有效匹配投资和借贷需求,提高社会资金的利用率,促进经济发展有较大的正面意义,将在我国金融市场中扮演重要的角色。为了推动我国P2P借贷业务健康、稳定发展,降低信息不对称性,提升贷款违约预测准确性,为投资人提供投资决策辅助,协助其有效防范风险,具有较大的现实意义。本文研究的目的是为个人投资者提供方法和工具,更加准确地对P2P借贷违约进行预测,帮助投资者更有效防范风险,避免损失保障资金安全,提升投资决策的有效性和收益性。自P2P借贷业务2005年出现以来,相关的研究也快速发展,其中尤以美国在此领域研究中一直处于前沿。从2012年开始,随着P2P借贷业务在我国的快速发展,国内P2P借贷相关研究的热度也快速上升,文献数量不断增加,涉及领域也越来越广。目前国内外P2P借贷研究中,信息利用、贷款特征及参与方行为分析、信息不对称性、风险防范目前属于关注度比较高的方向。在信息利用方面,除了利用贷款信息、借款人信用和财务信息等一般信息以外,更多的研究将关注点放到了如果更好地发掘和利用借款人的性别、种族等人口特征信息、好友和群众等社交信息,甚至隐藏在文字、照片中的隐含信息等方面。而由于P2P借贷具有交易数据相对透明的特点,很多平台甚至主动公开业务数据,研究数据的可获得性很高,所以统计学、机器学习、数理分析等量化研究技术和方法得到了较为广泛的应用,尤其集中在贷款特征、投资人行为的羊群效应、借款人信用评价、贷款违约预测等方向,其中统计类研究方法主要被运用在贷款特征和投资人行为分析领域,而机器学习的研究方法则在风险防范领域得到较多的使用。当前P2P借贷相关领域研究中,尤其是贷款违约风险和投资决策支持等方面,还存在有待进一步改进提升的地方,比如主要还是基于借款人提供的数据信息,研究结论受到借贷双方信息不对称性的限制影响,还有就是研究中主要使用单模型、单方法,优化提升的效果有限,以及缺乏对投资人贷款投资决策过程有效的辅助方法和工具等。本文研究的内容是基于投资效用理论、现代资产组合理论和信息熵理论,利用集成学习等方法,借鉴信息检索研究领域中的词频-逆文本频率(Term Frequency–Inverse Document Frequency,TF-IDF)算法,通过构建基于投资人效用的贷款违约预测模型,并探索对不同的模型和数据源进行集成和融合,以投资组合的方式向投资者的贷款投资行为提供辅助决策支持。首先,提出了一个基于投资人效用的P2P贷款违约预测模型。当前主流的P2P贷款违约预测研究,大多是使用统计学或机器学习的方法,基于对借款人提供的各类信息进行训练学习,并依据训练结果进行预测,其效果受到借贷双方信息不对称性的限制。近期有一些研究尝试利用投资人的信息进行预测,但并未考虑不同投资人在风险偏好、投资效用、投资能力、所掌握信息等方面的差异性。基于投资人效用的P2P贷款预测模型,是建立在经济学效用理论之上,构造投资人的投资收益效用基线,利用贷款投资人的历史投资收益率、贷款竞价金额、竞价利率出价等信息,从投资人视角预测贷款违约概率。在此基础之上,为了更准确地度量投资人与贷款之间的关联关系,将投资人历史投资总量、贷款投资分布等信息纳入模型,借鉴信息检索领域的词频-逆文本频率(TD-IDF)算法,构造针对投资人的投资逆向投资比例因子,对模型中的投资权重因子进行优化。通过实际P2P贷款业务数据进行实证,发现基于投资人效用的违约预测模型效果良好,贷款违约预测的准确性比当前普遍应用的逻辑回归、支持向量机等方法平均提高了近6%,而且在不同的规模的测试数据集上都能保持最优,表现非常稳定。其次,设计了一套集成学习的训练方法(Training Algorithm Base on AUC and Q statistics,TABAQ),以实现对投资人端与借款人端信息与模型的融合。以AUC和Q统计值作为预测模型(学习器)准确性和差异性的度量指标,设计方法来系统地指导集成学习的构建、优化和检验的全过程,以期实现对不同学习器的集成整合,以及对借款人端和投资人端的不同信息源融合。通过实证,可以发现TABAQ方法取得了较好效果,能够有效地指导集成学习过程得到较为理想的结果学习器。集成不同学习器以及融合不同信息源,对于降低预测中的一类错误都有所帮助,但对于进一步提升预测准确性,模型和数据中的任何一方作用都不够显著,只有同时对两者进行集成融合,才能够同时获得预测准确性的提升和一类错误率的下降。在采取对模型与数据“双融合”的方式后,在保持预测AUC值稳步提升的同时,预测的一类错误数量更是进一步下降了4.85%。数据源的不同对于学习器之间差异性的影响,相比模型不同带来的影响更加显著。而在不同的学习器集成方法中,二次集成方法表现最好,但并非集成越多的基学习器,就能获得越好的效果。最后,提出了一套针对P2P贷款投资的辅助决策方法。使用贷款预期收益率、贷款收益率方差、贷款违约风险熵等作为贷款资产收益和风险的度量评价指标,分别通过单因子和双因子方法构建贷款资产组合,向投资人提供投资策略建议。实证发现收益率方差、违约风险熵指标都能够较好地保障投资收益的稳定性,而违约风险熵更是同时兼顾了一定的收益性,相比收益率方差指标投资组合的收益率平均提高了4%-5%。预期收益率指标也取得了较好表现,投资组合平均收益率更进一步提高了近10%,但是在投资贷款数量较少情况下,资产组合收益率存在一定波动。尝试通过均值-方差方法对单因子指标的资产组合进行优化,但结果不显著,应该是受到了贷款之间不存在相关性的假设限制。通过对三部分研究工作结果的汇总,可以进一步得到三条结论,一是P2P借贷中投资人端的信息确实比借款人端的信息具有更高的可信度,引入更多、更新的、更有效的信息,有利于打破信息不对称性限制,提升贷款违约预测的准确性。二是通过集成学习整合不同模型并融合不同数据,对于进一步提升贷款违约预测的准确性有帮助,在这一过程中数据的作用比模型更大,应该遵循“先数据、后模型”的策略进行集成训练。三是借助构建资产组合的方式,能够更充分发挥分散投资降低风险的优势,在一定程度上实现了收益与风险的平衡,对于指导投资人更有效地进行P2P贷款投资决策,具有现实意义和可操作性。本文研究中也还存在不少有待深化的地方,比如投资人持续学习对投资能力的影响考虑不足,对贷款之间的相关性考虑不够,缺乏对各类数据和模型对研究结果影响因素的有效度量方法等,后续可以进一步开展研究。