| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 前言 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 文献回顾 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.2.3 评述 | 第16页 |
| 1.3 研究内容与方法 | 第16-17页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究方法 | 第17页 |
| 1.4 论文框架 | 第17-18页 |
| 1.5 创新之处和不足 | 第18-19页 |
| 1.5.1 可能的研究创新 | 第18页 |
| 1.5.2 研究不足 | 第18-19页 |
| 2 理论基础 | 第19-32页 |
| 2.1 P2P平台中的借款人信用风险 | 第19-21页 |
| 2.1.1 P2P平台中的借款人信用风险原因 | 第19-20页 |
| 2.1.2 P2P平台与传统信贷方式借款人信用对比 | 第20-21页 |
| 2.2 人工神经网络 | 第21-24页 |
| 2.2.1 人工神经网络介绍 | 第21页 |
| 2.2.2 人工神经网络特点 | 第21-22页 |
| 2.2.3 人工神经网络数学模型 | 第22-23页 |
| 2.2.4 神经网络的训练与学习 | 第23-24页 |
| 2.3 基于BP算法的人工神经网络 | 第24-29页 |
| 2.3.1 BP神经网络概述 | 第24-25页 |
| 2.3.2 BP神经网络的算法过程 | 第25-28页 |
| 2.3.3 BP神经网络对信用评价的适用性 | 第28-29页 |
| 2.4 Levenberg—Marquardt算法 | 第29-32页 |
| 3 信用评价指标体系的构建 | 第32-38页 |
| 3.1 指标体系的构建原则 | 第32-33页 |
| 3.1.1 全面性原则 | 第32页 |
| 3.1.2 科学性原则 | 第32页 |
| 3.1.3 可操作性原则 | 第32页 |
| 3.1.4 针对性原则 | 第32-33页 |
| 3.1.5 简洁性原则 | 第33页 |
| 3.2 信用评价指标选取现状 | 第33-34页 |
| 3.3 信用评价指标的选取 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 模型的构建 | 第38-41页 |
| 4.1 BP神经网络模型结构设计 | 第38-40页 |
| 4.1.1 网络层数的确定 | 第38页 |
| 4.1.2 输入层设计 | 第38页 |
| 4.1.3 隐含层的设计 | 第38-39页 |
| 4.1.4 输出层设计 | 第39页 |
| 4.1.5 学习速率确定 | 第39-40页 |
| 4.1.6 最大收敛次数 | 第40页 |
| 4.1.7 期望误差 | 第40页 |
| 4.2 神经网络模型评价步骤 | 第40页 |
| 4.3 小结 | 第40-41页 |
| 5 模型实证应用 | 第41-56页 |
| 5.1 Matlab介绍 | 第41页 |
| 5.2 实证过程 | 第41-47页 |
| 5.2.1 数据收集与处理 | 第41-45页 |
| 5.2.2 数据归一化 | 第45-46页 |
| 5.2.3 模型结构确定 | 第46-47页 |
| 5.2.4 训练设置 | 第47页 |
| 5.3 训练结果对比 | 第47-51页 |
| 5.3.1 训练速度对比 | 第47-49页 |
| 5.3.2 训练准确度对比 | 第49-51页 |
| 5.4 压力测试 | 第51-53页 |
| 5.5 模型仿真及结果分析 | 第53-54页 |
| 5.6 模型适用性验证 | 第54页 |
| 5.7 实证总结 | 第54-56页 |
| 6 研究总结与未来展望 | 第56-58页 |
| 6.1 研究总结 | 第56-57页 |
| 6.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 后记 | 第61-62页 |
| 致谢 | 第62页 |