基于大數(shù)據(jù)的融資項(xiàng)目評(píng)估技術(shù)研究

唐向紅 饒雷 陸見光

摘 要：解決互聯(lián)網(wǎng)融資時(shí)的項(xiàng)目數(shù)量多，每個(gè)融資項(xiàng)目中所包含的特征數(shù)量較多，但是可用于項(xiàng)目評(píng)價(jià)的評(píng)價(jià)特征少，篩選出相關(guān)特征而且要做到精確評(píng)估是互聯(lián)網(wǎng)融資項(xiàng)目評(píng)估問題的關(guān)鍵。本文提出了利用神經(jīng)網(wǎng)絡(luò)來進(jìn)行大數(shù)據(jù)下的融資項(xiàng)目評(píng)估。實(shí)驗(yàn)結(jié)果表明，神經(jīng)網(wǎng)絡(luò)很適合處理互聯(lián)網(wǎng)融資項(xiàng)目評(píng)估，能夠很準(zhǔn)確地對(duì)融資項(xiàng)目進(jìn)行評(píng)價(jià)。

關(guān)鍵詞：融資項(xiàng)目評(píng)估；大數(shù)據(jù)；神經(jīng)網(wǎng)絡(luò)

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，國內(nèi)的互聯(lián)網(wǎng)融資也得到了飛速發(fā)展，創(chuàng)新模式層出不窮，打破了以往單一的融資渠道，對(duì)小微企業(yè)、個(gè)體創(chuàng)業(yè)者和普通百姓開辟了一條快捷的融資渠道。相對(duì)于傳統(tǒng)融資，資金供求雙方不再是一對(duì)一而是一對(duì)多或者是多對(duì)多的融資形式，融資效率要比傳統(tǒng)融資高許多。

國內(nèi)關(guān)于項(xiàng)目評(píng)估的研究成果有很多，但是大多集中于風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估，如潘雄鋒等提出了基于主成分分析的風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估模型；于冬提出的基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)投資評(píng)估模型；楊哲，顧鋒提出的價(jià)值工程在風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估中成本優(yōu)化的應(yīng)用；陳盛雙，袁正科等人提出的風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估模型研究。然而投資和融資在本質(zhì)上有所不同，投資指的是特投資者為了在未來的某個(gè)時(shí)期獲得收益或是資金增值，在一段時(shí)間里向某個(gè)目標(biāo)領(lǐng)域投入足夠的資金和物資的經(jīng)濟(jì)行為；融資是指為支付超過現(xiàn)有購買力的購貨貸款而進(jìn)行的交易手段，或?yàn)槿〉觅Y產(chǎn)而集資所采取的貨幣手段，所以投資項(xiàng)目評(píng)估模型不能很好適用于融資項(xiàng)目評(píng)估，尤其是互聯(lián)網(wǎng)融資項(xiàng)目。

對(duì)于融資雙方都需要面對(duì)決策問題，現(xiàn)在的各種互聯(lián)網(wǎng)融資平臺(tái)都存在著許多融資主體無法按時(shí)得到自己想要的資金，也有融資主體通過股聯(lián)網(wǎng)融資平臺(tái)騙取資金或者不按時(shí)歸還投資人的本金和利息。本文利用神經(jīng)網(wǎng)絡(luò)進(jìn)行大數(shù)據(jù)分析對(duì)融資項(xiàng)目進(jìn)行初步判斷，這樣給融資人能不能按時(shí)獲得資金以及投資人能不能按時(shí)收到本金和利息提供一個(gè)參考。

一、融資項(xiàng)目評(píng)估方法

每一個(gè)互聯(lián)網(wǎng)融資項(xiàng)目所包含的特征是非常多的，如果直接將所有特征輸入到神經(jīng)網(wǎng)絡(luò)會(huì)使神經(jīng)網(wǎng)絡(luò)的訓(xùn)練變得復(fù)雜，所以要對(duì)融資項(xiàng)目中包含的原始特征進(jìn)行一定的篩選，對(duì)特征進(jìn)行篩選的好處是可以降低特征的空間維數(shù)提高分類器的分類精度和泛化性能。因?yàn)檠蛉盒?yīng)能夠反映大眾的投資心理，通過對(duì)數(shù)據(jù)的簡單統(tǒng)計(jì)分析發(fā)現(xiàn)羊群效應(yīng)同樣適合互聯(lián)網(wǎng)融資，所以本文利用羊群效應(yīng)將一些直接影響融資項(xiàng)目和與融資項(xiàng)目相關(guān)性較大的特征篩選出來作為后面用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的特征，比如借款人愿意償還的最大利率這個(gè)特征，貸款人即使知道這個(gè)融資項(xiàng)目的風(fēng)險(xiǎn)高但是他們還是愿意投資這種利率高的融資項(xiàng)目。因?yàn)锽P神經(jīng)網(wǎng)絡(luò)具有非線性映射、聯(lián)想記憶、自主學(xué)習(xí)的特點(diǎn)，所以選擇BP神經(jīng)網(wǎng)絡(luò)作為融資項(xiàng)目評(píng)估的分類器。

二、基于BP神經(jīng)網(wǎng)絡(luò)融資項(xiàng)目評(píng)估模型的構(gòu)建

1.BP神經(jīng)網(wǎng)絡(luò)概述

BP神經(jīng)網(wǎng)絡(luò)的基本思想是誤差反向傳播算法，樣本從輸入層正向傳播，輸出信號(hào)與期望的輸出目標(biāo)產(chǎn)生的誤差從輸出層向輸入層傳播，輸入層和輸出層之間是一層或者多層隱含層（圖1），誤差信號(hào)不斷對(duì)各隱含層的權(quán)值進(jìn)行修正，權(quán)值的修正過程就是BP神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)過程直到輸出與期望值誤差達(dá)到允許的范圍，BP神經(jīng)網(wǎng)絡(luò)達(dá)到穩(wěn)定停止迭代。BP神經(jīng)網(wǎng)絡(luò)適合處理非線性的問題，本文對(duì)于融資項(xiàng)目的評(píng)估屬于非線性問題，而且BP神經(jīng)網(wǎng)絡(luò)對(duì)于大數(shù)據(jù)的處理要好過其他分類模型。

2.樣本選取本

文選用的數(shù)據(jù)集是來自美國在線借貸平臺(tái)Prosper①，鑒于本文研究的問題，只抽取了數(shù)據(jù)集中的Listings部分，總共提取出411847個(gè)樣本數(shù)據(jù)。

3.指標(biāo)選取

在每個(gè)樣本數(shù)據(jù)中記錄著56種特征，其中有一些信息是空白還有一些是平臺(tái)沒有展示隱私信息，經(jīng)過對(duì)樣本中56種特征的篩選，最后選擇出7種特征Amount Requested，Borrower Maximum Rate，Debt To Income Ratio，Category， Credit Grade， Is Borrower Home Owner， Status（各個(gè)特征所代表的含義如表1所示）。

根據(jù)表1中所描述的七種特征的含義，本文用Status作為樣本的標(biāo)簽，Status中所包含的特征以及對(duì)應(yīng)的樣本數(shù)量如表2所示。

表2中Withdraw表示借款人自己撤回了自己在Prosper平臺(tái)上發(fā)布的借款項(xiàng)目，Active表示借款項(xiàng)目依然在融資過程中，這兩個(gè)狀態(tài)特征無法作為樣本的標(biāo)簽，所以刪除狀態(tài)特征是Withdraw和Active對(duì)應(yīng)的樣本。從表1中可以看出負(fù)樣本（借款項(xiàng)目的狀態(tài)為Expired和Cancelled）個(gè)數(shù)為225859個(gè)，數(shù)目遠(yuǎn)遠(yuǎn)大于正樣本（借款項(xiàng)目的狀態(tài)為Completed和Pending Completion）的個(gè)數(shù)，為了防止在訓(xùn)練模型的時(shí)候，由于正負(fù)樣本的數(shù)目差距過大而導(dǎo)致模型的訓(xùn)練結(jié)果偏向負(fù)樣本這一方，所以本文在后續(xù)的模型訓(xùn)練之前隨機(jī)抽取了與正樣本個(gè)數(shù)相同的負(fù)樣本組成一個(gè)原始樣本。

4.模型訓(xùn)練和測試

將提取到的訓(xùn)練樣本中的80%作為訓(xùn)練集20%作為測試集，輸入到BP神經(jīng)網(wǎng)絡(luò)中對(duì)模型進(jìn)行訓(xùn)練優(yōu)化各層神經(jīng)元之間的權(quán)重和偏差。將樣本進(jìn)行100次迭代，樣本每迭代5次打印一次訓(xùn)練精度，測試精度和損失值（圖2）。

圖中紅點(diǎn)代表訓(xùn)練精度，藍(lán)點(diǎn)代表測試精度，黃點(diǎn)代表損失值。從結(jié)果圖中可以看出，BP神經(jīng)網(wǎng)絡(luò)對(duì)于處理這種非線性的問題可以達(dá)到很高的精度，通100次的迭代，訓(xùn)練集的精度最終達(dá)到了99%而且測試精度達(dá)到了93.4%。

出現(xiàn)這種結(jié)果有如下兩個(gè)原因：第一是因?yàn)楸疚膹脑紭颖局械?6個(gè)特征中挑選出了7個(gè)特征，大大地降低了樣本的空間維度，使模型的收斂速度更快；第二是本文將被挑選出的7個(gè)樣本中選擇Status作為樣本的標(biāo)簽，由于其余6個(gè)特征的與Status的相關(guān)性很強(qiáng)，所以能夠達(dá)到很高的測試精度。所以當(dāng)樣本的數(shù)量較多時(shí)，進(jìn)行合適的特征選擇，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行項(xiàng)目評(píng)估不僅模型的收斂速度快而且準(zhǔn)確率還很高。

三、結(jié)語

本文利用BP神經(jīng)網(wǎng)絡(luò)對(duì)借貸項(xiàng)目的成功性進(jìn)行了評(píng)價(jià)，通過這種方法可以在借款人在平臺(tái)發(fā)起借款項(xiàng)目前和貸款人在進(jìn)行罰款前提供一個(gè)有效規(guī)避風(fēng)險(xiǎn)的評(píng)價(jià)標(biāo)準(zhǔn)，可以使借款人能夠及時(shí)籌集到資金，也讓貸款人能后及時(shí)收到本金和利息。BP神經(jīng)網(wǎng)絡(luò)自身具有的強(qiáng)學(xué)習(xí)性，自適應(yīng)性與容錯(cuò)性等特點(diǎn)可以與項(xiàng)目評(píng)價(jià)有效地結(jié)合，給項(xiàng)目評(píng)估問題提供了一個(gè)新的途徑。

實(shí)際中的項(xiàng)目評(píng)估是具有一定復(fù)雜性的工作，需要考慮的因素有很多，在BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用過程中，為了使模型有好的評(píng)估效果需要合理的選取用于項(xiàng)目評(píng)估的特征。本文的項(xiàng)目評(píng)估和實(shí)際的項(xiàng)目評(píng)估存在一定的偏差，只能為實(shí)際的項(xiàng)目評(píng)估提供一些想法和思路。

注釋：

①原始數(shù)據(jù)網(wǎng)址：https：//www.prosper.com。

參考文獻(xiàn)：

[1]翁鍵敏，鄭良琳.我國互聯(lián)網(wǎng)融資發(fā)展及監(jiān)管路徑探析[J].福建金融，2014，（11）：18-23.

[2]胡艾琳，羅真怡，孫舒宜，杜家豪，張麗麗.互聯(lián)網(wǎng)融資風(fēng)險(xiǎn)分析及規(guī)避[J].經(jīng)濟(jì)師，2016，（6）：83-87.

[3]潘雄鋒，劉鳳朝，王元地.基于主成分分析方法的風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估模型[J].科技進(jìn)步與對(duì)策，2004，（3）：65-67.

[4]于冬.基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)投資評(píng)估模型[J].科技管理研究，2005，（9）：206-208.

[5]楊哲，顧鋒.價(jià)值工程在風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估中成本優(yōu)化的應(yīng)用[J].價(jià)值工程，2016，（8）：24-25.

[6]陳盛雙，袁正科，王平安.風(fēng)險(xiǎn)投資項(xiàng)目評(píng)估模型研究[J].價(jià)值工程，2008，（9）：151-152.

[7]姚旭，王曉丹，張玉璽，權(quán)文.特征選擇方法綜述[J].控制與決策，2012，27（2）：161-166.

[8]Simla Ceyhan，Xiaolin Shi，Jure Leskovec. Dynamics of Bidding in a P2P Lending Service：Effects of Herding and Predicting Loan Success[C].New York：ACM Press，2011：547-556.

[9]韓立群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M].2版.北京：化學(xué)工業(yè)出版社，2007：38-67.

[10]齊振國，楚秦東.基于BP神經(jīng)網(wǎng)絡(luò)的項(xiàng)目評(píng)估模型研究[J].沈陽師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，28（1）：109-112.

[11]高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].北京，機(jī)械工業(yè)出版社，2005：55-56.