| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 数据挖掘概述 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文创新点 | 第14-15页 |
| 第2章 基于数据挖掘的P2P网贷平台分类研究 | 第15-25页 |
| 2.1 相关理论介绍 | 第15-17页 |
| 2.1.1 分类评价指标 | 第15-16页 |
| 2.1.2 装袋法 | 第16-17页 |
| 2.1.3 随机森林 | 第17页 |
| 2.2 实证研究 | 第17-24页 |
| 2.2.1 数据来源 | 第18-21页 |
| 2.2.2 评判规则 | 第21页 |
| 2.2.3 装袋法分类 | 第21-22页 |
| 2.2.4 随机森林分类 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于数据挖掘的P2P网贷生存影响因素研究 | 第25-34页 |
| 3.1 相关理论概述 | 第25-27页 |
| 3.2 生存分析实证研究 | 第27-33页 |
| 3.2.1 描述性分析 | 第28-29页 |
| 3.2.2 加速死亡模型 | 第29-31页 |
| 3.2.3 Cox等比例模型 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于数据挖掘的P2P网贷收益率预测 | 第34-42页 |
| 4.1 相关理论概述 | 第34-36页 |
| 4.1.1 ARIMA模型 | 第34-35页 |
| 4.1.2 PSO算法 | 第35-36页 |
| 4.2 基于PSO-ARIMA的P2P平台收益率建模 | 第36-40页 |
| 4.2.1 算法流程 | 第36-37页 |
| 4.2.2 PSO-ARIMA模型 | 第37-39页 |
| 4.2.3 模型检验 | 第39-40页 |
| 4.3 收益率预测 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 基于数据挖掘的宏观经济与P2P网贷市场交互影响研究 | 第42-56页 |
| 5.1 相关理论介绍 | 第42-44页 |
| 5.1.1 协整检验 | 第42-43页 |
| 5.1.2 格兰杰因果关系检验 | 第43-44页 |
| 5.2 数据收集及预处理 | 第44-47页 |
| 5.2.1 变量说明 | 第44-45页 |
| 5.2.2 描述统计 | 第45-46页 |
| 5.2.3 变量相关性分析 | 第46-47页 |
| 5.3 格兰杰因果检验 | 第47-55页 |
| 5.3.1 宏观经济对P2P网贷市场影响的实现机制 | 第47-48页 |
| 5.3.2 研究步骤 | 第48-49页 |
| 5.3.3 格兰杰实证研究 | 第49-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 | 第61-62页 |
| 后记 | 第62页 |
