大数据时代信贷风险控制研究
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 1 引言 | 第10-16页 |
| 1.1 选题的背景、意义 | 第10页 |
| 1.2 国内外研究的综述 | 第10-13页 |
| 1.3 研究方法和思路 | 第13-15页 |
| 1.3.1 研究方法 | 第13-14页 |
| 1.3.2 研究思路 | 第14-15页 |
| 1.4 可能存在的创新和不足 | 第15-16页 |
| 1.4.1 可能的创新性 | 第15页 |
| 1.4.2 存在的不足 | 第15-16页 |
| 2 核心概念与理论基础 | 第16-20页 |
| 2.1 核心概念 | 第16-17页 |
| 2.1.1 大数据 | 第16页 |
| 2.1.2 信贷风险 | 第16-17页 |
| 2.2 基础理论 | 第17-20页 |
| 2.2.1 公共管理 | 第17-18页 |
| 2.2.2 风险控制 | 第18-20页 |
| 3 传统信贷风险控制及存在的问题 | 第20-29页 |
| 3.1 传统信贷风险控制 | 第20页 |
| 3.2 传统信贷风险控制存在的问题 | 第20-24页 |
| 3.2.1 成本高 | 第20-21页 |
| 3.2.2 效率低 | 第21-22页 |
| 3.2.3 效果差 | 第22-24页 |
| 3.3 传统信贷风险成因分析 | 第24-29页 |
| 3.3.1 经济环境 | 第24-25页 |
| 3.3.2 产业政策 | 第25页 |
| 3.3.3 法律制度 | 第25-26页 |
| 3.3.4 信息不对称 | 第26-27页 |
| 3.3.5 借款人原因 | 第27页 |
| 3.3.6 银行自身原因 | 第27-29页 |
| 4 大数据对信贷风险控制的影响 | 第29-35页 |
| 4.1 大数据在信贷中的应用 | 第29-32页 |
| 4.1.1 蚂蚁金服：构建全面大数据应用环境 | 第29-31页 |
| 4.1.2 企业秒读：破解数据获取、使用难题 | 第31页 |
| 4.1.3 用钱宝：充分挖掘数据弱特征 | 第31-32页 |
| 4.2 大数据在信贷风险控制中的作用 | 第32-35页 |
| 4.2.1 降低信贷成本，提高信贷效率 | 第32-33页 |
| 4.2.2 缓解信贷信息不对称问题 | 第33页 |
| 4.2.3 优化信贷方式 | 第33-34页 |
| 4.2.4 提升信贷体验 | 第34-35页 |
| 5 大数据时代信贷存在的风险及原因分析 | 第35-39页 |
| 5.1 数据获取、挖掘难度大 | 第35-36页 |
| 5.2 信息安全风险凸显 | 第36-37页 |
| 5.3 法律风险增大 | 第37-38页 |
| 5.4 缺少规范数据应用模型 | 第38-39页 |
| 6 大数据时代信贷风险控制的对策建议 | 第39-44页 |
| 6.1 推进信贷大数据全量共享 | 第39页 |
| 6.2 深化信贷大数据挖掘和加工 | 第39-40页 |
| 6.3 加强信息和网络安全监管 | 第40-42页 |
| 6.4 完善金融法律监管规则 | 第42页 |
| 6.5 拓展大数据信贷风险控制应用 | 第42-44页 |
| 6.5.1 打造企业级的大数据平台 | 第42页 |
| 6.5.2 客户信息核查预测应用 | 第42-43页 |
| 6.5.3 建立风险预警应用 | 第43页 |
| 6.5.4 优化客户逾期催收应用 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46-47页 |
