| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 文献综述 | 第11-20页 |
| 1.2.1 国内外关于P2P借贷行为的研究情况 | 第11-15页 |
| 1.2.2 对于P2P借款成功率和违约率方面的研究情况 | 第15-17页 |
| 1.2.3 基于P2P借贷的实证研究模型综述 | 第17-20页 |
| 1.3 研究的基本思路和框架 | 第20-21页 |
| 1.4 文章的特色和创新点 | 第21-22页 |
| 2. P2P网络借贷的平台和主体投资者分析 | 第22-30页 |
| 2.1 国内外P2P借款平台的主流形式与问题研究 | 第22-26页 |
| 2.1.1 国外P2P借贷平台发展综述 | 第22-23页 |
| 2.1.2 我国P2P借贷平台发展综述 | 第23-25页 |
| 2.1.3 我国P2P借贷平台出现的问题 | 第25-26页 |
| 2.2 P2P借贷平台的投资者行为分析 | 第26-30页 |
| 2.2.1 行为金融学视角下P2P投资者的行为表现 | 第26-27页 |
| 2.2.2 信息不对称下P2P投资者的非理性认知 | 第27-28页 |
| 2.2.3 P2P投资者风险与收益的非理性感知 | 第28-30页 |
| 3. 应用于分类的数据挖掘方法和结构化分析方法 | 第30-40页 |
| 3.1 可应用于分类的数据挖掘方法 | 第30-37页 |
| 3.1.1 logistic回归模型 | 第30-31页 |
| 3.1.2 支持向量机 | 第31-34页 |
| 3.1.3 决策树 | 第34-36页 |
| 3.1.4 随机森林 | 第36-37页 |
| 3.2 基于变量选择的结构化分析方法 | 第37-40页 |
| 3.2.1 常用的变量选择方法 | 第37-39页 |
| 3.2.2 基于lasso变量选择的logistic回归模型 | 第39-40页 |
| 4. 基于数据挖掘方法和lasso变量选择的实证分析 | 第40-65页 |
| 4.1 数据描述 | 第40-44页 |
| 4.1.1 数据来源 | 第40页 |
| 4.1.2 变量描述 | 第40-42页 |
| 4.1.3 描述统计 | 第42-44页 |
| 4.2 基于数据挖掘方法对借款成功率和违约率的分析 | 第44-53页 |
| 4.2.1 支持向量机 | 第44-45页 |
| 4.2.2 决策树 | 第45-50页 |
| 4.2.3 随机森林 | 第50-53页 |
| 4.3 基于lasso变量选择的logistic模型 | 第53-65页 |
| 4.3.1 基于全变量的logistic模型 | 第54-55页 |
| 4.3.2 向前逐步回归法 | 第55-57页 |
| 4.3.3 lasso变量选择与模型比较 | 第57-60页 |
| 4.3.4 基于lasso logistic模型的结构化分析 | 第60-65页 |
| 5. 文章总结 | 第65-69页 |
| 5.1 研究结论 | 第65-66页 |
| 5.2 相关建议 | 第66-67页 |
| 5.3 研究的不足和未来展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |
