| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景与研究意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究综述 | 第11-13页 |
| 1.2.1 国外研究综述 | 第11页 |
| 1.2.2 国内研究综述 | 第11-12页 |
| 1.2.3 总体评述 | 第12-13页 |
| 1.3 研究方法与论文主要内容 | 第13页 |
| 1.3.1 研究方法 | 第13页 |
| 1.3.2 主要研究内容 | 第13页 |
| 1.4 论文的创新点和不足 | 第13-15页 |
| 2 P2P网络借贷业务概述 | 第15-24页 |
| 2.1 P2P网络借贷定义 | 第15页 |
| 2.2 国内外P2P网络借贷的发展历程 | 第15-19页 |
| 2.2.1 国外P2P网络借贷的发展历程 | 第16-18页 |
| 2.2.2 国内P2P网络借贷的发展历程 | 第18-19页 |
| 2.3 我国P2P网络借贷发展现状 | 第19-24页 |
| 2.3.1 行业数据变化显著 | 第19页 |
| 2.3.2 业务多样化 | 第19-20页 |
| 2.3.3 银行存管已经进入实施阶段 | 第20-21页 |
| 2.3.4 运营模式演变为三种模式 | 第21-23页 |
| 2.3.5 金融科技不断创新 | 第23-24页 |
| 3 我国P2P网络借贷风险控制和监管存在的问题 | 第24-28页 |
| 3.1 行业协会自律管理存在不足 | 第25页 |
| 3.2 平台信息披露内容不完善 | 第25页 |
| 3.3 信用体系不健全 | 第25-26页 |
| 3.4 备案工作尚未落实 | 第26页 |
| 3.5 风控识别系统缺失 | 第26页 |
| 3.6 银行存管政策缺失 | 第26-28页 |
| 4 建立数学模型进行风险分析与控制 | 第28-46页 |
| 4.1 建立解释结构模型进行风险分析 | 第28-37页 |
| 4.1.1 主要风险因素 | 第28-34页 |
| 4.1.2 建立解释结构模型 | 第34-37页 |
| 4.1.3 综合分析结论 | 第37页 |
| 4.2 基于BP神经网络建立信用评估模型进行风险控制 | 第37-46页 |
| 4.2.1 信用评估内容及信息选取 | 第37-38页 |
| 4.2.2 评估指标的量化处理 | 第38-42页 |
| 4.2.3 神经网络模型结构设计 | 第42-44页 |
| 4.2.4 学习算法 | 第44-45页 |
| 4.2.5 模型评价 | 第45-46页 |
| 5 风险控制和监管问题的解决对策 | 第46-48页 |
| 5.1 强制平台加入行业协会 | 第46页 |
| 5.2 补充信息披露内容 | 第46页 |
| 5.3 完备信用体系 | 第46页 |
| 5.4 开展备案工作 | 第46-47页 |
| 5.5 优化风控识别体系 | 第47页 |
| 5.6 完善存管问题 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52页 |