| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.2.1 研究目的 | 第11-12页 |
| 1.2.2 研究意义 | 第12页 |
| 1.3 国内外研究现状及文献综述 | 第12-15页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.3.3 国内外文献综述 | 第14-15页 |
| 1.4 研究内容与方法 | 第15-17页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 研究方法 | 第16-17页 |
| 2 互联网金融信贷风险的理论基础 | 第17-20页 |
| 2.1 互联网金融信贷风险的概念 | 第17-18页 |
| 2.2 互联网金融信贷风险评价相关理论 | 第18-20页 |
| 2.2.1 金融中介理论 | 第18页 |
| 2.2.2 信息经济学理论 | 第18-19页 |
| 2.2.3 个人信贷风险评估理论 | 第19-20页 |
| 3 我国互联网金融信贷风险分析 | 第20-37页 |
| 3.1 我国互联网金融发展历程 | 第20-22页 |
| 3.1.1 产业整体的发展进程及意义 | 第20-21页 |
| 3.1.2 全国范围内互联网金融市场现状 | 第21-22页 |
| 3.2 我国互联网金融信贷的主要运营模式 | 第22-28页 |
| 3.2.1 Lending Club运营模式 | 第22-25页 |
| 3.2.2 人人贷运营模式 | 第25-27页 |
| 3.2.3 宜信运营模式 | 第27页 |
| 3.2.4 拍拍贷运营模式 | 第27-28页 |
| 3.3 我国互联网金融的风险识别 | 第28-33页 |
| 3.3.1 风险识别的意义 | 第28页 |
| 3.3.2 存在的风险 | 第28-33页 |
| 3.4 互联网金融信贷中的信息不对称问题 | 第33-37页 |
| 3.4.1 P2P信贷平台的积极作用 | 第33-34页 |
| 3.4.2 信贷平台存在的信用问题 | 第34-37页 |
| 4 我国互联网金融网络信贷风险的实证分析 | 第37-51页 |
| 4.1 基于Logistic回归的指标选取与模型建立 | 第37-46页 |
| 4.1.1 变量的选取和量化 | 第37-38页 |
| 4.1.2 变量的描述性分析 | 第38-40页 |
| 4.1.3 运用因子分析法进行变量处理 | 第40-43页 |
| 4.1.4 基于Logistic模型的回归分析 | 第43-46页 |
| 4.2 基于神经网络模型的实证分析 | 第46-51页 |
| 4.2.1 神经网络的简介与工作原理 | 第46-47页 |
| 4.2.2 支持向量机（SVM）神经网络的理论基础与模型设计 | 第47页 |
| 4.2.3 基于SVM神经网络的个人信贷风险分析 | 第47-50页 |
| 4.2.4 结论分析 | 第50-51页 |
| 5 防范我国互联网金融信贷风险的对策建议 | 第51-55页 |
| 5.1 加强我国个人征信体系建设 | 第51-53页 |
| 5.2 增强对我国互联网金融网络信贷平台法律的监管 | 第53-54页 |
| 5.3 推行线上线下相结合的运营机制 | 第54-55页 |
| 6 结论 | 第55-57页 |
| 注释 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 个人简历 | 第60-61页 |
| 致谢 | 第61页 |
