| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1.引言 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.3 创新与不足 | 第12-13页 |
| 1.4 文章结构 | 第13-15页 |
| 2.相关研究 | 第15-22页 |
| 2.1 有关P2P网贷市场的研究 | 第15-18页 |
| 2.1.1 关于P2P网贷借款者的研究 | 第15-16页 |
| 2.1.2 关于P2P网贷投资者的研究 | 第16-17页 |
| 2.1.3 关于P2P网贷平台的相关研究 | 第17-18页 |
| 2.2 信用风险评估方面的研究 | 第18-21页 |
| 2.2.1 统计模型信用风险评估模型 | 第18-19页 |
| 2.2.2 以期权理论为基础的信用风险评估模型 | 第19-20页 |
| 2.2.3 基于人工智能方法的信用风险评估模型 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3.信用风险评估模型 | 第22-26页 |
| 3.1 Logistic模型概述 | 第22-23页 |
| 3.1.1 模型原理 | 第22-23页 |
| 3.1.2 模型优缺点 | 第23页 |
| 3.2 神经网络模型概述 | 第23-25页 |
| 3.2.1 模型原理 | 第23-24页 |
| 3.2.2 模型优缺点 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 4.建立评估指标及样本数据处理 | 第26-37页 |
| 4.1 网贷个人信用风险概念 | 第26-27页 |
| 4.2 翼龙贷的借款者现状 | 第27-31页 |
| 4.3 评估指标选取 | 第31-32页 |
| 4.4 数据量化 | 第32-37页 |
| 5.P2P网贷借款者信用风险评估 | 第37-47页 |
| 5.1 基于Logistic模型的评估 | 第37-40页 |
| 5.1.1 模型构建 | 第37-40页 |
| 5.1.2 预测结果 | 第40页 |
| 5.2 基于BP神经网络模型的评估 | 第40-46页 |
| 5.2.1 模型结构设计 | 第41-43页 |
| 5.2.2 训练过程及结果 | 第43-46页 |
| 5.3 本章小结 | 第46-47页 |
| 6.总结及建议 | 第47-50页 |
| 6.1 总结 | 第47-48页 |
| 6.2 建议 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录A Logistic模型输出结果 | 第55-56页 |
| 附录B BP神经网络模型输出结果 | 第56-58页 |
| 附录C 作者在读期间发表的学术论文及参加的科研项目 | 第58页 |