当前位置>主页 > 期刊在线 > 信息化应用 >

信息化应用23年4期

基于多维数据融合的“校园贷”风险控制研究
钱珺 1 ,金君仰 2 ,季新国 3
(1. 南京森林警察学院 信息技术学院,江苏 南京 210023;2. 绍兴市公安局越城区分局,浙江 绍兴 312099; 3. 南京森林警察学院 信息管理中心,江苏 南京 210023)

摘  要:“校园贷”作为信息化和消费金融行业快速发展的产物,是消费金融行业市场的重要组成部分。近年来,不良因素的介入使得“校园贷”沦为某些恶意利用者违法犯罪的工具和平台,高校亟需一份合适的“校园贷”自身视角方案。研究以构建金融管理服务中心和 XGBoost 风险评估模型为核心,从疏导、防范等多角度入手,满足大学生合理借贷需求同时,降低和防范高校“校园贷”风险,让高校“校园贷”处于有效的监管和风险控制之下。


关键词:校园贷;XGBoost 建模;多维融合;防范策略;风险评估



DOI:10.19850/j.cnki.2096-4706.2023.04.043


基金项目:江苏高校哲学社会科学研究项目(2020SJA0567);江苏高校哲学社会科学研究项目(2022SJYB0089)


中图分类号:TP391                                        文献标识码:A                              文章编号:2096-4706(2023)04-0174-03


Research on Risk Control of“Campus Loan”Based on Multi-Dimensional Data Fusion

QIAN Jun1, JIN Junyang2, JI Xinguo3

(1.School of Information Technology, Nanjing Forest Police College, NanJing 210023, China; 2.Shaoxing Public Security Bureau Yuecheng branch, Shaoxing 312099, China; 3.Information Management Center, Nanjing Forest Police College, NanJing 210023, China)

Abstract: The “campus loan” is an important part of the consumer finance industry market as a result of the rapid development of information technology and the consumer finance industry. In recent years, the inclusion of unfavorable factors has transformed “campus loan” into a tool and platform for some criminals to commit crimes, and universities need suitable schemes of “campus loan” urgently from their own perspectives. The research takes the construction of financial management service center and the XGBoost risk assessment model as cores, from the guidance, prevention and other perspectives, meets college students' reasonable lending needs while reducing and preventing the risks of college “campus loan”. Then the college “campus loan” is under effective supervision and risk control.

Keywords: campus loan; XGboost modeling; multi-dimensional integration; prevention strategy; risk assessment


参考文献:

[1] 贡怡丁 . 高校“校园贷”治理现状及对策研究 [D]. 合肥:安徽大学,2020.

[2] 张春莲,徐丽丽,冯云珠 .“互联网 +”背景下的高校网络诈骗及风险防范 [J]. 现代交际,2020(6):187+186.

[3] 王元彬,张尧,李计广 . 数字金融与碳排放:基于微观数据和机器学习模型的研究 [J].中国人口•资源与环境,2022,32(6):1-11.

[4] 赵莉,孙娜,李丽萍,等 . 拉格朗日插值法在数据清洗中的应用 [J]. 辽宁工业大学学报:自然科学版,2022,42(2):102-105+117.

[5] 冯凯媛,罗庆斌,郑明辉,等 . 基于多特征融合的恶意网页检测方法研究 [J].湖北民族大学学报:自然科学版,2021,39(1):80-85.


作者简介:钱珺(1990—),女,回族,安徽安庆人,讲师,硕士,研究方向:电子数据检验和网络犯罪侦查。