第一節 研究背景與動機
金融科技(Financial technology，以下簡稱 Fintech)一詞在近年來成為國際間 最熱門的詞彙之一，引發全球金融市場廣泛的討論，Fintech 是將資訊科技技術 實現金融交易服務而形成的經濟產業，提供低成本、高效率及高價值的金融服務，
根據美國 CB Insights 2019 年 Q1 全球金融科技報告顯示，全球在 Fintech 領域的 投資規模迅速成長，2017 年投資金額為 183 億美元，2018 年高達 403 億美元，
年成長 220%。
在 Fintech 這 股 浪 潮 下 引 發 出 五 種替 代 性金 融 服 務 (Alternative Finance Services)，替代性金融泛指在傳統金融體系之外所提供的金融管道與工具，分別 為：P2P 網路借貸平台(P2P Online Lending Platform)、群眾募資(Crowdfunding)、
第三方支付(Third-Party Payment)、虛擬貨幣(Virtual Currency)、智能機器理財顧 問(Robot Advisor)等，非傳統金融機構提供之金融服務。根據 Cambridge Centre for Alternative Finance (CCAF)報告顯示，替代性金融又以 P2P 網路借貸占比最 高，2018 年占比高達 81%，預估未來還會持續增長。
Fintech 裡又以「P2P 網路借貸平台」最為熱門，P2P 網路借貸平台是藉由「微 型借貸」、「共享經濟」與「群眾募資」結合而形成的一種新型替代性金融服務。
「微型借貸」主要幫助一般無法與銀行取得借貸的貧困者取得資金，最早由穆罕 默德·尤努斯(Muhammad Yunus)於 1976 年創立的孟加拉鄉村銀行(Grameen Bank，也稱為格萊抿銀行)為先驅，銀行向貧困者提供不需要抵押物的小額貸款，
除了借貸給貧困者外，還進一步提供房屋貸款及小企業資金週轉。隨後聯合國在 2005 年小額信貸年提出“普惠金融 (Financial Inclusion) ”一詞的概念，在一定 程度上顛覆主要為富人服務的傳統理念，使弱勢客戶也可得到平等享受金融服務 的權利。至今在許多國家中已成功地幫助人們擺脫貧困，亦助於社會及經濟發展。
在「共享經濟」體系下，人們可將所擁有的資源有償租借給他人，使閒置資 源 獲 得 更 有 效 地 利 用 ， 從 而 使 資 源 的 整 體 利 用 效 率 變 得 更 高 。 經 濟 學 人
(Economist)雜誌在許多文章提起，P2P 網路借貸平台即是「共享經濟」的延伸模 眾募資」是 Jeff Howe(2006)提出“群眾外包”的概念延伸，群眾外包是指「將過 去 由 指 定 公 司 員 工 完 成 的 工 作 ， 公 開 號 召 交 由 不 固 定 的 一 大 群 人 完 成 」 Howe(2009)。根據 IOSCO 研究報告將「群眾募資」分為四種類型，分別為捐贈、
回饋、借貸及股權模式，而其中借貸模式被定義為可以使用線上平台，將借款人
第二節 研究目的
基於以 上研究 動機， 本研 究將數 據集 事前 處理及 使用 簡 單貝氏 (Naïve Bayes)、隨機森林(Random Forest)及邏輯斯迴歸(Logistic Regression)三種演算法 訓練 Lending Club 之貸款資料，並引用 2018 年 RapidMiner 白皮書之雙層交叉驗 證找出影響貸款違約因素，研究同時利用樣本外資料模擬預測違約風險。本研究 目的可分為以下三點：
一、使用簡單貝氏、隨機森林及邏輯斯迴歸演算法進行雙層交叉驗證取得最佳變 數及參數。
二、利用上述三種演算法所訓練之模型進行樣本外資料模擬預測。
三、利用最佳模型建議之最佳變數，提供貸款機構在未來評估借款人申請貸款時 之參考，以求降低違約風險。
第三節 研究架構
本研究蒐集有關全球 Fintech 與 P2P 借貸的相關文獻，使用美國 P2P 網路借 貸平台-Lending Club 之歷史資料，在樣本確定之後，利用各演算法找尋最佳變數 及參數最佳化並建立模型預測借款人違約風險，最後提出研究結論。本研究架構 如圖 1 所示。
圖1 研究架構流程圖 研究背景與動機
研究目的
文獻探討
資料預處理
簡單貝氏 隨機森林 邏輯斯迴歸
變數選擇 參數最佳化
實證結果
結論