基于SVM的网贷信用风险评价
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 选题的目的意义 | 第11-12页 |
| 1.3 论文内容结构与技术路线 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 研究目标 | 第13页 |
| 1.3.3 技术路线 | 第13-14页 |
| 1.4 论文创新之处 | 第14-16页 |
| 第2章 文献综述 | 第16-21页 |
| 2.1 P2P网贷研究进展 | 第16-18页 |
| 2.2 SVM与信用风险评价研究进展 | 第18-20页 |
| 2.3 本章结论 | 第20-21页 |
| 第3章 网贷信用风险评价发展现状 | 第21-40页 |
| 3.1 P2P网贷信用评估体系构建原则 | 第21-22页 |
| 3.2 P2P网贷信用风险影响因素分析 | 第22-25页 |
| 3.3 P2P网贷信用风险评价方法及比较 | 第25-39页 |
| 3.3.1 多元线性回归 | 第26-27页 |
| 3.3.2 判别分析 | 第27页 |
| 3.3.3 Logistic回归 | 第27页 |
| 3.3.4 决策树 | 第27-28页 |
| 3.3.5 K近邻判别分析法 | 第28页 |
| 3.3.6 贝叶斯网络 | 第28页 |
| 3.3.7 神经网络法 | 第28-29页 |
| 3.3.8 支持向量机 | 第29-39页 |
| 3.3.8.1 VC维概念 | 第29-30页 |
| 3.3.8.2 结构风险最小化 | 第30-31页 |
| 3.3.8.3 线性支持向量机 | 第31-33页 |
| 3.3.8.4 非线性支持向量机 | 第33-35页 |
| 3.3.8.5 支持向量机的核函数 | 第35-37页 |
| 3.3.8.6 支持向量机模型的参数选择 | 第37-38页 |
| 3.3.8.7 支持向量机方法的特点 | 第38-39页 |
| 3.4 本章结论 | 第39-40页 |
| 第4章 样本数据库描述性统计 | 第40-46页 |
| 4.1 样本数据整体情况 | 第40-42页 |
| 4.2 样本数据预处理 | 第42-43页 |
| 4.3 评价体系建立及数据标准化 | 第43-46页 |
| 4.4 本章结论 | 第46页 |
| 第5章 建立基于SVM的网贷信用风险评估模型 | 第46-51页 |
| 5.1 模型建立及参数选择 | 第47-48页 |
| 5.2 模型验证 | 第48-50页 |
| 5.3 本章结论 | 第50-51页 |
| 第6章 结论及政策建议 | 第51-54页 |
| 6.1 研究结论及分析 | 第51-52页 |
| 6.2 政策建议 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第57-58页 |
