| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 选题背景 | 第9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 文献综述 | 第10-13页 |
| 1.3.1 互联网金融研究综述 | 第10-11页 |
| 1.3.2 信用风险模型研究综述 | 第11-13页 |
| 1.4 研究内容和创新点 | 第13-15页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 论文创新点 | 第13-15页 |
| 第二章 我国互联网金融的概述 | 第15-17页 |
| 2.1 互联网金融的概述 | 第15-17页 |
| 2.1.1 我国互联网金融的发展历程 | 第15页 |
| 2.1.2 我国互联网金融发展特点 | 第15-17页 |
| 第三章 信用风险模型理论解析 | 第17-21页 |
| 3.1 多分类Logistic回归模型 | 第17-18页 |
| 3.2 CART决策树模型 | 第18-19页 |
| 3.3 支持向量机模型 | 第19-21页 |
| 第四章 我国互联网金融上市公司样本与指标的选取 | 第21-28页 |
| 4.1 样本的确定 | 第21-26页 |
| 4.1.1 数据来源 | 第21页 |
| 4.1.2 研究对象 | 第21页 |
| 4.1.3 样本分类 | 第21-23页 |
| 4.1.4 样本的选取 | 第23-26页 |
| 4.2 财务指标的确定 | 第26-28页 |
| 第五章 我国互联网金融上市公司信用风险实证研究 | 第28-41页 |
| 5.1 互联网金融上市公司指标预处理 | 第28页 |
| 5.1.1 指标的正向化处理 | 第28页 |
| 5.1.2 指标的标准化处理 | 第28页 |
| 5.2 我国互联网金融上市公司指标筛选 | 第28-33页 |
| 5.2.1 Kruskal-Wallis检验 | 第28-29页 |
| 5.2.2 因子分析 | 第29-33页 |
| 5.3 我国互联网金融上市公司信用风险评价模型的构建 | 第33-39页 |
| 5.3.1 基于Logistic回归的我国互联网上市公司信用风险评价模型 | 第34-35页 |
| 5.3.2 基于CART决策树的我国互联网上市公司信用风险评价模型 | 第35-38页 |
| 5.3.3 基于支持向量机的我国互联网上市公司信用风险评价模型 | 第38-39页 |
| 5.4 我国互联网金融上市公司风险评价模型的效果分析 | 第39-41页 |
| 第六章 结论 | 第41-42页 |
| 6.1 结论 | 第41页 |
| 6.2 不足和展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 在学期间的研究成果 | 第45-46页 |
| 致谢 | 第46页 |
