| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.2.1 研究目的 | 第11-12页 |
| 1.2.2 研究意义 | 第12页 |
| 1.3 研究现状 | 第12-17页 |
| 1.3.1 国外研究现状 | 第12-14页 |
| 1.3.2 国内研究现状 | 第14-16页 |
| 1.3.3 国内外研究评述 | 第16-17页 |
| 1.4 研究内容与方法 | 第17-19页 |
| 1.4.1 研究内容 | 第17页 |
| 1.4.2 研究方法 | 第17-18页 |
| 1.4.3 技术路线 | 第18-19页 |
| 1.5 研究创新点 | 第19-20页 |
| 2 相关理论基础 | 第20-31页 |
| 2.1 P2P借贷基本理论 | 第20-25页 |
| 2.1.1 P2P借贷的概念 | 第20页 |
| 2.1.2 P2P借贷的特点 | 第20-21页 |
| 2.1.3 P2P网贷的商业模式 | 第21-25页 |
| 2.2 个人信用评估模型 | 第25-27页 |
| 2.2.1 FICO系统 | 第25页 |
| 2.2.2 ZestFinance | 第25-26页 |
| 2.2.3 芝麻信用 | 第26-27页 |
| 2.3 信用风险相关理论 | 第27-29页 |
| 2.3.1 信用风险 | 第27页 |
| 2.3.2 借款人风险影响因素分析 | 第27-29页 |
| 2.4 LOGISTIC回归模型与决策树相关概述 | 第29-30页 |
| 2.4.1 Logistic回归模型相关概述 | 第29页 |
| 2.4.2 决策树相关概述 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 研究设计 | 第31-38页 |
| 3.1 样本数据选取 | 第31-33页 |
| 3.1.1 数据来源 | 第31-32页 |
| 3.1.2 数据选取 | 第32-33页 |
| 3.2 变量选取与分类 | 第33-35页 |
| 3.2.1 被解释变量选取 | 第33页 |
| 3.2.2 解释变量选取 | 第33-35页 |
| 3.3 研究假设 | 第35-37页 |
| 3.3.1 个人特征信息与贷款违约率之间的相关关系 | 第35-36页 |
| 3.3.2 信用信息与贷款违约率之间的相关关系 | 第36页 |
| 3.3.3 资产信息与贷款违约率之间的相关关系 | 第36页 |
| 3.3.4 借款信息与贷款违约率之间的相关关系 | 第36-37页 |
| 3.3.5 工作信息与贷款违约率之间的相关关系 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 风险评估模型构建 | 第38-49页 |
| 4.1 数据分析 | 第38-42页 |
| 4.1.1 描述性统计分析 | 第38-40页 |
| 4.1.2 相关性分析 | 第40-42页 |
| 4.2 二元LOGISTIC回归分析 | 第42-46页 |
| 4.2.1 回归结果分析 | 第42-45页 |
| 4.2.2 模型验证 | 第45-46页 |
| 4.3 决策树分析 | 第46-48页 |
| 4.3.1 决策树结果分析 | 第46-47页 |
| 4.3.2 模型验证 | 第47-48页 |
| 4.4 决策树与LOGISTIC回归结果对比分析 | 第48-49页 |
| 5 P2P网贷借款人信用风险评估策略 | 第49-52页 |
| 5.1 扩展数据来源 | 第49页 |
| 5.2 加大监管审核力度 | 第49-50页 |
| 5.3 实现数据共享共用 | 第50页 |
| 5.4 加强投资者风险教育 | 第50-51页 |
| 5.5 建立专业个人信用评级机构 | 第51-52页 |
| 6 结论与展望 | 第52-54页 |
| 6.1 研究结论 | 第52页 |
| 6.2 研究不足 | 第52-53页 |
| 6.3 研究展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |