| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题的背景及意义 | 第10-12页 |
| 1.2 文献综述 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究思路及方法 | 第15页 |
| 1.4 论文创新及存在的不足 | 第15-17页 |
| 第2章 我国互联网金融个人征信体系的现状 | 第17-24页 |
| 2.1 我国互联网金融概况 | 第17-18页 |
| 2.2 大数据征信行业的发展 | 第18-21页 |
| 2.2.1 大数据征信的概念 | 第18-19页 |
| 2.2.2 大数据的特点 | 第19-20页 |
| 2.2.3 大数据征信的特征 | 第20页 |
| 2.2.4 国内征信体系的发展 | 第20-21页 |
| 2.3 建立我国互联网金融征信体系的重要性分析 | 第21-24页 |
| 2.3.1 当前我国信用体系建设存在的问题 | 第21-22页 |
| 2.3.2 互联网金融下完善征信体系的重要性 | 第22-24页 |
| 第3章 国外互联网金融个人征信体系及对我国的启示 | 第24-28页 |
| 3.1 国外征信体系类型 | 第24-25页 |
| 3.1.1 市场化模式 | 第24页 |
| 3.1.2 会员制模式 | 第24页 |
| 3.1.3 政府主导模式 | 第24-25页 |
| 3.1.4 比较借鉴 | 第25页 |
| 3.2 国外互联网金融征信体系建设的经验启示 | 第25-28页 |
| 3.2.1 完善的法律体系 | 第26页 |
| 3.2.2 完善的信用信息共享 | 第26页 |
| 3.2.3 系统的信用评分制 | 第26-27页 |
| 3.2.4 拓展征信覆盖范围 | 第27-28页 |
| 第4章 个人信用评估方法 | 第28-39页 |
| 4.1 个人信用评估方法概述 | 第28-33页 |
| 4.1.1 统计分析法 | 第28-30页 |
| 4.1.2 人工智能法 | 第30-33页 |
| 4.2 分类预测模型评估 | 第33-35页 |
| 4.2.1 混淆矩阵 | 第33-34页 |
| 4.2.2 ROC曲线 | 第34页 |
| 4.2.3 K-S曲线 | 第34-35页 |
| 4.3 个人信用风险评估仿真 | 第35-39页 |
| 4.3.1 数据准备和分析 | 第35-36页 |
| 4.3.2 BP神经网络模型仿真 | 第36-37页 |
| 4.3.3 仿真过程及结果 | 第37页 |
| 4.3.4 Logistic模型的回归分析 | 第37-38页 |
| 4.3.5 Logistic模型的检验 | 第38-39页 |
| 第5章 互联网金融个人信用评估指标体系 | 第39-43页 |
| 5.1 个人信用评估指标体系概述 | 第39页 |
| 5.2 国内个人信用评估指标体系的现状 | 第39-43页 |
| 5.2.1 传统征信行业指标体系 | 第39-40页 |
| 5.2.2 大数据征信行业指标体系 | 第40-41页 |
| 5.2.3 互联网金融行业指标体系的建立 | 第41-43页 |
| 第6章 大数据时代互联网金融个人征信体系的完善和发展 | 第43-47页 |
| 6.1 完善征信的法规政策 | 第43页 |
| 6.2 信用信息数据的共享 | 第43-44页 |
| 6.3 信用数据的隐私保护 | 第44-45页 |
| 6.4 大数据征信的安全风险 | 第45-47页 |
| 第7章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第52页 |