| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 互联网金融及其风险控制，大数据征信 | 第9-14页 |
| 1.1 互联网金融概述 | 第9-11页 |
| 1.1.1 互联网金融的基本模式 | 第9-10页 |
| 1.1.2 互联网金融的优势 | 第10-11页 |
| 1.2 互联网金融的风险控制 | 第11-13页 |
| 1.2.1 互联网金融风险控制的要点 | 第11-12页 |
| 1.2.2 互联网金融风险控制的协调 | 第12-13页 |
| 1.3 大数据征信与互联网金融风险控制的内在联系 | 第13-14页 |
| 1.3.1 大数据征信的原理 | 第13页 |
| 1.3.2 大数据征信的信息处理与整合 | 第13页 |
| 1.3.3 大数据征信与互联网风险控制天然的内在联系 | 第13-14页 |
| 第二章 发展互联网金融的重要性及风险控制水平制约 | 第14-25页 |
| 2.1 我国互联网金融的发展现状与重要性 | 第14-18页 |
| 2.1.1 我国互联网金融发展现状 | 第14-16页 |
| 2.1.2 发展互联网金融的重要性 | 第16-18页 |
| 2.2 我国互联网金融风险控制的方案模式与特征 | 第18-24页 |
| 2.2.1 阿里小贷款风控模式： | 第18-21页 |
| 2.2.2 人人贷的风险控制模式 | 第21-23页 |
| 2.2.3 中国互联网金融风险控制的特征 | 第23-24页 |
| 2.3 我国互联网金融风险控制中存在的问题 | 第24-25页 |
| 2.3.1 互联网公司征信系统数据领域单一,相对孤立。 | 第24页 |
| 2.3.2 线上数据线下确认模式存在成本问题 | 第24-25页 |
| 2.3.3 信息安全存在隐患 | 第25页 |
| 第三章 我国互联网行业的迅速发展为大数据征信奠定了基础 | 第25-29页 |
| 3.1 我国互联网行业的发展 | 第25-27页 |
| 3.2 互联网金融大数据征信风险控制理念已开始被市场接受 | 第27-28页 |
| 3.3 在我国推广互联网金融大数据征信风险控制的现实意义 | 第28页 |
| 3.4 阻碍我国大数据征信互联网金融风险控制的主要障碍 | 第28-29页 |
| 3.4.1 我国现行法律规范与大数据信用征信风险控制方式不适配 | 第28-29页 |
| 3.4.2 信用征信监管水平亟待提高 | 第29页 |
| 3.4.3 互联网金融数据来源整合难题与应用困境 | 第29页 |
| 第四章 基于大数据征信的互联网金融风控的国际实践 | 第29-35页 |
| 4.1 基于大数据征信的互联网金融风控的国际发展概述 | 第29-30页 |
| 4.2 德国：个人贷款与信用评估 | 第30-31页 |
| 4.3 美国：互联网数据与个人征信系统 | 第31-34页 |
| 4.4 国际实践中，大数据征信应用于互联网风控的经验和教训 | 第34-35页 |
| 4.4.1 加快征信相关立法工作 | 第34页 |
| 4.4.2 加快征信行业的市场化发展 | 第34-35页 |
| 4.4.3 扩大征信数据的来源，挖掘更多人的信用 | 第35页 |
| 第五章 以大数据征信促进我国互联网金融风控的方案 | 第35-40页 |
| 5.1 加强宣传，提高我国社会对大数据征信互联网金融风控的认知度 | 第35-37页 |
| 5.1.1 互联网金融企业利用其资源加强宣传 | 第35-36页 |
| 5.1.2 金融监管部门加强宣传 | 第36-37页 |
| 5.2 构建基于大数据征信互联网风控总体思路 | 第37-38页 |
| 5.2.1 政府推动统一大数据征信主体 | 第37页 |
| 5.2.2 扩大大数据征信数据来源，提高大数据模型准确性 | 第37页 |
| 5.2.3 政策促使互联网金融产品使用大数据征信风控评级 | 第37-38页 |
| 5.2.4 政策监管保护在大数据征信中的个人隐私数据 | 第38页 |
| 5.3 政企合作有效解决互联网金融大数据征信的数据来源，范围，完整性问题 | 第38-40页 |
| 5.3.1 政府推动社会性基础信息的收集 | 第38页 |
| 5.3.2 央行征信加强对互联网信息的收集 | 第38-39页 |
| 5.3.3 支付企业和社交企业加强数据共享 | 第39页 |
| 5.3.4 政府企业合作共同搭建大数据征信互联网金融风控系统 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 致谢 | 第42-43页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第43-44页 |
