摘要
2013年底，党的十八届三中全会将“发展普惠金融”确立为国家战略。随后2015底发布推进普惠金融发展规划，而互联网消费金融作为普惠金融的先锋，发展迅猛，其中持牌类消费金融公司、P2P借贷公司、以及电商平台的电商金融占据了消费金融领域的一大半市场。一方面，互联网消费金融打破了传统银行的壁垒，使得借贷者能够在线上直接实现融资，这种创新型金融模式给我国金融改革带来新的机遇，为我国的经济转型、消费升级注入了新的活力。而另一方面，互联网消费金融的负面新闻频频出现，其风控能力备受质疑，因此如何做好风控、形成健康的盈利模式将是互联网消费金融面临的首要问题。 分析我国互联网消费金融的发展现状，互联网消费金融产品主要分为三种经营模式：第一，信息资金服务中介；第二，传统消费金融的互联网化；第三，基于电商平台开展金融业务。在互联网消费金融迅猛发展的趋势下，主要面临三类风险：信用风险、技术风险和监管风险。其中欺诈类风险作为信用风险的主要表现形式，是互联网消费金融风控能力的主要指标，因此互联网消费金融反欺诈能力的提升刻不容缓。 本文借鉴国内外的研究成果，结合统计学和机器学习等学科知识，以大数据为依托，提出了一套较为合理互联网消费金融的反欺诈模型。该模型主要由统计分析、模型验证、和人工验证三大部分组成，其中统计验证是采用统计方法收集、整理和分析原始数据；模型验证是使用机器学习算法，建立反欺诈模型，验证出有欺诈可能性的用户；人工验证是前两个模块的补充，再次审核可能存在欺诈的用户。 基于反欺诈系统的模型框架，本文收集互联网消费金融的行业的实际数据，并以此进行建模与分析。原始数据集中包含用户的消费信息、社交信息和信用信息(异常类型和正常类型)。基于大数据统计分析，发现用户的消费、社交与用户的信用类型正相关，而用户的社交关系对用户的信用评价有明显影响。抽取部分训练集数据分别建立神经网络模型、支持向量机模型和随机森林模型，使用测试集数据进行验证，模型评估表明神经网络的预测效果最理想。最后，总结互联网消费金融反欺诈系统的研究成果，阐述研究中的不足之处，并且对建设互联网消费金融反欺诈系统给出合理的意见。
NETL