| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究目的与意义 | 第7-8页 |
| 1.2 国内外研究综述 | 第8-9页 |
| 1.2.1 国外信用风险模型研究现状 | 第8-9页 |
| 1.2.2 国内信用风险模型研究现状 | 第9页 |
| 1.3 研究内容 | 第9-10页 |
| 1.4 研究方法 | 第10-11页 |
| 1.5 主要创新点 | 第11页 |
| 1.6 论文基本结构 | 第11-13页 |
| 第二章 信用评分技术在小额信贷中的应用与现状 | 第13-17页 |
| 2.1 信用评分技术概述 | 第13-14页 |
| 2.1.1 信用评分的基本概念 | 第13页 |
| 2.1.2 信用评分与信用评级的区别 | 第13-14页 |
| 2.1.3 信用评估的主要方法 | 第14页 |
| 2.2 基于大数据的网络信贷风险管理 | 第14-17页 |
| 2.2.1 网络信贷的主要特点 | 第14-15页 |
| 2.2.2 Kabbage模式 | 第15-16页 |
| 2.2.3 阿里小贷模式 | 第16-17页 |
| 第三章 信用评分卡开发流程与关键技术 | 第17-37页 |
| 3.1 目标变量定义 | 第17-19页 |
| 3.1.1 “好客户”与“坏客户” | 第17-18页 |
| 3.1.2 Vintage分析 | 第18-19页 |
| 3.2 样本选择 | 第19-20页 |
| 3.3 变量分组(WOE) | 第20-28页 |
| 3.3.1 变量分组的基本原理 | 第20-21页 |
| 3.3.2 变量分组的优点 | 第21-22页 |
| 3.3.3 变量分组的缺点 | 第22-23页 |
| 3.3.4 最优化变量分组法 | 第23-25页 |
| 3.3.5 卡方统计量分组法 | 第25-28页 |
| 3.4 特征选择 | 第28-32页 |
| 3.4.1 基于正则化的收缩方法(Shrinkage method) | 第29-31页 |
| 3.4.2 子集选择法(Subset method) | 第31-32页 |
| 3.5 评分尺度化(Scaling) | 第32-34页 |
| 3.6 模型效果评价 | 第34-37页 |
| 3.6.1 ROC曲线 | 第34-35页 |
| 3.6.2 K-S统计量 | 第35-37页 |
| 第四章 电商小微企业信用评分模型开发的实证研究 | 第37-56页 |
| 4.1 目标定义、数据抽样 | 第37-42页 |
| 4.1.1 坏客户定义 | 第37页 |
| 4.1.2 样本选取 | 第37-38页 |
| 4.1.3 指标设计与开发 | 第38-42页 |
| 4.2 变量分组 | 第42-45页 |
| 4.3 变量选择与模型估计 | 第45-50页 |
| 4.3.1 optBin和Lasso-Logistic | 第45-47页 |
| 4.3.2 chisqBin和Stepwise-Logistic | 第47-50页 |
| 4.4 评分尺度化 | 第50-52页 |
| 4.5 模型效果评估 | 第52-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 主要研究 | 第56页 |
| 5.2 研究的局限性 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
