2021年7月21日，全国金融专业学位研究生教育指导委员会公布了第七届金融专业学位硕士学位论文大赛评选结果。经济学院梁龙跃博士指导的2020届金融硕士路杨宁的学位论文《基于机器学习算法的P2P网络借贷信用评级产品设计》从众多参评论文中脱颖而出，荣获全国金融硕士学位论文优秀奖，也是经济学院首次获评该奖项。据悉，此次共有193篇有效论文参评，获奖优秀论文39篇。
第七届全国优秀金融硕士学位论文奖
《基于机器学习算法的P2P网络借贷信用评级产品设计》
作者：路杨宁 指导老师：梁龙跃
摘要：作为世界互联网金融发展的高地，中国互联网金融发展全球瞩目。然而在强监管叠加两轮低潮的行业背景下，P2P平台想要强劲发展，风险能否得到控制是决定其平台能否持续发展的关键，而P2P平台最重要的风险就是借款人的信用违约风险。为此，本文将回归微观风控，聚焦对借款人的信用违约风险进行研究。
为解决阻碍我国P2P行业信用经济发展的难题，本文基于机器学习算法对P2P平台设计出一款信用评级产品，在传统回归的基础上引入机器学习算法，基于美国最大的P2P网贷公司Lending Club数据进行实证研究分析以及信用评级产品的回测。具体地，首先基于传统Logistic回归以及多种主流机器学习算法（例如支持向量机，XGboost等）分别构建个人信贷风险违约评估模型；其次构建组合模型，由于信用评级产品需要能够解释影响客户发生违约的显著因素，因此本文结合多种机器学习算法筛选重要变量，以最优分箱法对重要变量进行分段并计算其WOE值，并使用WOE覆盖后的数据建立Logistic回归模型；进一步生成信用风险标准评分卡，将组合模型得到的结果通过评分卡中的分数公式转换成标准评分卡形式；最后通过将标准评分卡得到的客户分数与违约概率和评级符号相联系，生成最终的信用评级产品。
通过对测试集样本进行回测，其结果表明本文所设计出来的个人信用评级产品对借款人的评级准确率相对较高，能更好的对借款人实际是否会违约的情况进行预测，使得P2P平台可以结合自身业务的情况以及评级对借款者进行合理的筛选，更好的引导投资者进行投资和决策，实现P2P平台风险和收益的匹配。
关键词：P2P，机器学习，Logistic 回归，标准评分卡，信用评级产品
此次金融硕士毕业论文获得全国金融教指委权威奖项，标志着我院在金融硕士培养质量方面取得了较好的成果，对于专业学位水平评估和学科评估具有积极的作用。祝贺获奖的老师和同学！祝贺学院金融硕士项目！
拟稿：陈玉霞，审核：张欢欢、杨海。
