摘要 | 第8-9页 |
英文摘要 | 第9页 |
1 引言 | 第10-16页 |
1.1 研究的目的及意义 | 第10-11页 |
1.1.1 研究背景 | 第10页 |
1.1.2 研究目的 | 第10页 |
1.1.3 研究意义 | 第10-11页 |
1.2 国内外研究综述 | 第11-15页 |
1.2.1 国外研究综述 | 第11-13页 |
1.2.2 国内研究综述 | 第13-15页 |
1.3 研究内容方法及思路 | 第15-16页 |
1.3.1 研究内容 | 第15页 |
1.3.2 研究方法 | 第15-16页 |
2 P2P网络借贷的概念及基本理论 | 第16-19页 |
2.1 P2P网络借贷概念界定 | 第16页 |
2.2 P2P网络借贷的基本理论 | 第16-19页 |
2.2.1 社会交换理论 | 第16页 |
2.2.2 信任理论 | 第16-17页 |
2.2.3 信息不对称理论 | 第17页 |
2.2.4 社会资本理论 | 第17-19页 |
3 我国P2P网贷模式与现状分析 | 第19-25页 |
3.1 普通平台模式与现状分析 | 第19-22页 |
3.1.1 担保模式 | 第19-20页 |
3.1.2 平台模式 | 第20页 |
3.1.3 传统模式 | 第20-22页 |
3.2 助农平台模式与现状分析 | 第22-25页 |
3.2.1 加盟商模式 | 第22-24页 |
3.2.2 公益模式 | 第24-25页 |
4 我国涉农P2P的农户信用风险及影响因素分析 | 第25-29页 |
4.1 我国涉农P2P农户信用风险分析 | 第25-26页 |
4.1.1 涉农P2P农户信用风险的含义 | 第25页 |
4.1.2 涉农P2P农户信用风险评估 | 第25-26页 |
4.2 我国涉农P2P网络借贷农户信用风险影响因素分析 | 第26-29页 |
4.2.1 统一征信系统尚未建立 | 第26-27页 |
4.2.2 农户贷款成本较高 | 第27页 |
4.2.3 抵押担保方式单一 | 第27页 |
4.2.4 加盟商质量参差不齐 | 第27-28页 |
4.2.5 监管缺位 | 第28-29页 |
5 基于B-P算法的涉农P2P农户信用风险评估 | 第29-42页 |
5.1 人工神经网络 | 第29-30页 |
5.1.1 人工神经网络基本原理 | 第29-30页 |
5.1.2 人工神经网络学习算法分类 | 第30页 |
5.2 B-P神经网络 | 第30-32页 |
5.2.1 B-P神经网络概述 | 第30-31页 |
5.2.2 B-P网络的主要能力 | 第31页 |
5.2.3 B-P神经网络在农户信用风险评估中应用的可行性 | 第31-32页 |
5.3 B-P神经网络模型的仿真 | 第32-41页 |
5.3.1 指标选取 | 第32-33页 |
5.3.2 数据获得 | 第33-35页 |
5.3.3 归一化处理 | 第35页 |
5.3.4 模型构建 | 第35-36页 |
5.3.5 模型仿真 | 第36-40页 |
5.3.6 数据缺失及结果验证 | 第40-41页 |
5.4 结论 | 第41-42页 |
6 完善涉农P2P网络借贷中农户信用风险评估机制的建议 | 第42-46页 |
6.1 完善农户信用风险评估方式 | 第42页 |
6.2 建立行业信息共享与披露机制 | 第42-43页 |
6.3 完善加盟商体系建设 | 第43页 |
6.4 加强对P2P涉农金融产品的宣传 | 第43-44页 |
6.5 加快相关法规出台 | 第44-46页 |
7 结论 | 第46-47页 |
致谢 | 第47-48页 |
参考文献 | 第48-50页 |
攻读硕士学位期间发表的学术论文 | 第50页 |