徐晓敏，谷晓燕

(北京信息科技大学 信息管理学院，北京 100192)

0 引言

随着互联网金融的迅猛发展，网络信贷越来越活跃且受到越来越多人的关注和选择。网络信贷交易中存在的借贷双方信息不对称，往往导致不良借贷、信用违约等现象发生[1]。为防止信贷风险的发生，出借方需要对贷款人的信用水平做出判断，通过信用风险评价手段对信贷行为所存在的潜在风险做出识别和评价。因此，与当今互联网金融相适应的、合理的个人信用评价体系的建立与完善是降低网络信贷风险的一条有效途径。但目前网贷平台的个人信用评价方法，大多依然使用商业银行和普通征信公司较为传统的评价模型，主要考察的是借贷人的工作情况、薪资水平、信贷记录以及资产证明等静态信息[2]，显然对网络信贷行为的信用评价缺乏针对性和有效性，没有凸显网络信贷用户的鲜明特征。

鉴于此，本文结合当前互联网征信建设的大背景，充分考虑网络信贷行为的主体是青年群体，他们具有热衷于网络活动，在网络上开展交友、购物、支付、理财等丰富的网络行为的特点，从用户网络行为信息出发，深入研究网络行为与个人信用之间的联系，综合考察网络借贷人静态信息、社交信息、支付信息和互联网金融信息等方面的网络行为数据，建立基于网络行为信息的具有网络信贷特征的个人信用评价体系，提出一种新的PSO-BP个人信用评价模型，即基于粒子群算法(particle swarm optimization,PSO)的BP神经网络(back propagation)信用评价模型，可以为各类互联网金融企业提供信贷依据，以降低信用风险及损失。……