Lending Club 데이터 분석 사례 참고

이름	요약	저자	키워드
머신러닝을 활용한 LC 부도 예측 모형의 ROE 향상 방법 연구		8기
An Analysis of The Future of Peer-to-Peer Lending		Thea Feginn, Mariann Udnesseter
Exploring LLM for Feature Selection: A Data-centric Perspective		Dawei Li, Zhen Tan, Huan Liu
Optimizing Investment Strategy in Peer to Peer Lending	- 선형회귀, 로지스틱 회귀, 신경망을 활용하여 투자 포트폴리오의 Sharpe Ratio를 극대화하는 전략 연구 - 선형회귀 모델(라쏘 정규화)이 예측한 높은 수익률의 대출과 로지스틱 회귀 및 신경망이 예측한 낮은 디폴트 확률의 대출을 선택하여, 각 모델이 구성한 포트폴리오의 실제 수익률과 부트스트랩으로 추정한 변동성을 통해 Sharpe Ratio를 계산 - 라쏘(Lasso) 정규화를 적용한 선형 회귀 모델이 연간 3.59%의 높은 수익률과 낮은 변동성으로 가장 우수한 Sharpe Ratio(3.165)를 달성	Abiel Gutierrez, Drew Mathieson	Sharpe Ratio, 로지스틱 회귀, 선형 회귀, 딥러닝, 부트스트랩
EDA 참고1		https://junparkh.github.io/LendingClub/menu2/
LendingClub Loan Default and Profitability Prediction		Peiqian Li, Gao Han
딥러닝 기법을 이용한 P2P 소셜 대출 채무자 부도 예측모델에 관한 연구		이현진
Predictive Analysis of Default Risk in Peer-to-Peer Lending Platforms: Empirical Evidence from LendingClub		Rocheny Sifrain

sol’s blog