| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究内容和方法 | 第13-14页 |
| 1.3 研究目标和思路 | 第14-15页 |
| 1.4 创新点 | 第15-16页 |
| 1.5 技术路线 | 第16-18页 |
| 本章小结 | 第18-19页 |
| 2 理论基础和文献综述 | 第19-26页 |
| 2.1 风险理论体系 | 第19-21页 |
| 2.1.1 金融脆弱性理论 | 第19页 |
| 2.1.2 信息不对称理论 | 第19-20页 |
| 2.1.3 大数法则 | 第20页 |
| 2.1.4 逆向选择 | 第20-21页 |
| 2.2 经济理论体系 | 第21-22页 |
| 2.2.1 利润最大化原则 | 第21页 |
| 2.2.2 比较优势理论 | 第21-22页 |
| 2.2.3 预期收入理论 | 第22页 |
| 2.3 文献综述 | 第22-25页 |
| 2.3.1 国内外研究文献 | 第23-25页 |
| 2.3.2 文献述评 | 第25页 |
| 本章小结 | 第25-26页 |
| 3 民生银行信用卡中心对90后授信风险控制分析 | 第26-40页 |
| 3.1 民生银行信用卡中心授信风险控制主要内容 | 第26-33页 |
| 3.1.1 信用风险管理 | 第26-29页 |
| 3.1.2 欺诈风险管理 | 第29-31页 |
| 3.1.3 操作风险管理 | 第31-33页 |
| 3.2 关于90后客群画像 | 第33-35页 |
| 3.3 大数据时代下授信审批面临的机遇和挑战 | 第35-39页 |
| 本章小结 | 第39-40页 |
| 4 90后授信的内外部环境分析 | 第40-48页 |
| 4.1 运用PESTEL模型来分析90后授信的外部宏观环境 | 第40-43页 |
| 4.1.1 政治因素 | 第40-41页 |
| 4.1.2 经济因素 | 第41页 |
| 4.1.3 社会因素 | 第41-42页 |
| 4.1.4 技术因素 | 第42页 |
| 4.1.5 环境因素 | 第42-43页 |
| 4.1.6 法律因素 | 第43页 |
| 4.2 信用卡行业环境对90后授信的影响 | 第43-47页 |
| 4.2.1 信用卡行业概况及现状 | 第43-44页 |
| 4.2.2 信用卡最新政策 | 第44-45页 |
| 4.2.3 差异化定价后高收益产品的问题 | 第45-46页 |
| 4.2.4 民生银行信用卡发展趋势和90后相关影响 | 第46-47页 |
| 本章小结 | 第47-48页 |
| 5 不同90后客群的主要授信风险以及对策分析 | 第48-57页 |
| 5.1 针对90后客群细分后不同的风险特点 | 第48-52页 |
| 5.1.1 90后大学生客群 | 第48-49页 |
| 5.1.1.1 90后城市户籍大学生客群 | 第48-49页 |
| 5.1.1.2 90后农村户籍大学生客群 | 第49页 |
| 5.1.2 90后非大学生客群 | 第49-51页 |
| 5.1.2.1 90后城市户籍非大学生客群 | 第50页 |
| 5.1.2.2 90后农村户籍非大学生客群 | 第50-51页 |
| 5.1.3 民生银行行用卡90后理想目标客群 | 第51-52页 |
| 5.2 不同90后客群的主要授信风险以及风险控制应对措施 | 第52-56页 |
| 5.2.1 90后在校大学生的主要授信风险及应对措施 | 第52-55页 |
| 5.2.2 90后工作人群的主要授信风险及应对措施 | 第55-56页 |
| 本章小结 | 第56-57页 |
| 6 结论及不足 | 第57-59页 |
| 6.1 结论 | 第57-58页 |
| 6.2 不足 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第61-63页 |
| 学位论文数据集 | 第63页 |
