走在汽車革命的路上論文書籍站
靜宜大學 財務工程學系 張建鴻所指導 林婉愉的 機器學習在P2P市場的預測與報酬 - 以Lending Club為例 （2021），提出借貸還款英文關鍵因素是什麼，來自於信用風險、邏輯斯迴歸、隨機森林、類神經網路、極限梯度提升。
而第二篇論文國立臺北大學 統計學系 顏汝芳所指導 許馨方的 探討Covid-19對P2P lending借貸平台之影響 （2021），提出因為有 Covid-19、P2P網路借貸、Lending Club、金融科技的重點而找出了 借貸還款英文的解答。
機器學習在P2P市場的預測與報酬 - 以Lending Club為例
為了解決借貸還款英文 的問題，作者林婉愉 這樣論述：
信用風險是貸款或是投資中發生的一種風險，也是借款者因各種原因未能準時還款所導致的違約風險，隨著新興網路的借貸越來越盛行，借款者的信用風險是必須謹慎評估的！本研究主要探討金融科技下，使用 P2P 網路借貸的美國 Lending Club 這間公司，借款者信用風險的高低，研究期間為 2007 年到 2020 年第三季的借貸資料，針對不同借款者分別使用邏輯斯迴歸、隨機森林、類神經網路及極限梯度提升四種不同的模型去預測此借款者是否會違約，再透過準確率、精確率、召回率、偽陰性率、偽陽性率、F1 分數及模型投資者的報酬率來評估模型的優劣。實驗結果發現表現最好為欠採樣正常還款和違約比例為 80 : 20
中的類神經網路為最佳，其準確率為 81% 、精確率為 81% 、召回率為 99% 、偽陰性率為 1%、偽陽性率為 94.9% 、 F1 分數為 89% 及模型投資者的報酬率為 6.4%。
探討Covid-19對P2P lending借貸平台之影響
為了解決借貸還款英文 的問題，作者許馨方 這樣論述：
新型冠狀病毒（Covid-19）疫情在短短幾個月擴散至全球多個國家，且重創了全球各國經濟，其中美國更是受影響最大的國家。本研究以美國最大P2P網路借貸平台 Lending Club 平台的資料作為研究樣本，研究期間為2019 年 1 月至 2020 年 6 月，涵蓋Covid-19疫情發生前一年至Covid-19疫情發生後半年，欲探討如Covid-19疫情這樣的外在因素衝擊是否會對 P2P 網路借貸平台造成影響，並進一步找出當Covid-19疫情發生時，哪些因素會使Lending Club 平台中的借款特徵更容易受到影響。 實證結果顯示，Covid-19 疫情發生後 P2P 網
路借貸平台借貸金額上升、借款期限變長、借貸利率提高，除此之外，我們也觀察到當 Covid-19 疫情發生時，隨著各個州的景氣以及個人信用條件不同，對 P2P 網路借貸平台造成的影響也有所不同。