网络借贷信用风险论文提纲

论文题目：P2P网络借贷平台信用风险识别研究

摘要：P2P网络借贷作为互联网金融产物在国家普惠金融政策的推动下快速发展,越来越多的出借人选择P2P网络借贷平台进行理财,该行业凭借高收益占据市场优势的同时,伴有巨大的投资风险。2018年P2P网络借贷行业在中国发生了最大规模的平台倒闭事件,其中损失最严重的当属出借人。由于交易多在线上进行,网络信息的复杂性、易混淆性对风险防范意识薄弱、信息识别能力不足的出借人存在极大的迷惑性,根据现有平台指标数据信息构建模型识别影响P2P平台信用风险的关键特征,并以此预测平台信用风险,对出借人选择健康平台有重要的现实指导意义。文章首先点明了现行P2P网络借贷行业所面临的严峻形势,分析了大量关于P2P网络借贷行业的中外文文献,介绍了P2P行业在中国的产生发展、基本运作原理以及信用风险的来源,参考商业银行、小额信贷相关风险体系,构建了P2P网络借贷平台信用风险指标体系,并搜集了此次信用风险爆发时间点的相关平台指标数据为研究提供样本。然后根据搜集到的P2P平台的样本数据特征,建立两个代表性模型识别平台信用风险:一是基于因子分析结果采用二元Logistic回归模型构建P2P平台信用风险识别模型;二是创新性的将遗传算法和BP神经网络相结合构建P2P平台信用风险识别模型,其中遗传算法不断进化出更优质的特征组合,BP神经网络检验该特征组合下识别平台信用风险的准确率。最终2个模型都识别出影响平台信用风险的关键指标,并且得出对应指标组合下识别平台信用风险状态的准确率。文章通过对比二元Logistic回归模型、遗传算法-BP神经网络模型识别结果发现,2个模型识别平台信用风险的特征指标均出自4个类似的角度,这有力地说明了这些共同特征指标对识别P2P平台信用风险的重要作用。其中二元Logistic回归模型能够更清晰的从四个方面解释信用风险产生原因,而遗传算法-BP神经网络模型能够更灵敏的识别P2P平台是否正常的状态,预测正确率高于二元Logistic回归模型。这可为出借人选择平台提供建议,为网络借贷行业健康发展提供参考。

关键词：P2P网络借贷平台;信用风险识别;二元Logistic回归模型;遗传算法-BP神经网络模型;

学科专业：管理科学与工程

摘要

ABSTRACT

第一章 绪论

1.1 研究背景和意义

1.1.1 研究背景

1.1.2 研究意义

1.2 文献综述

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 研究内容与方法

1.3.1 研究内容

1.3.2 研究方法

1.3.3 技术路线图

1.4 本章小结

第二章 P2P网络借贷平台信用风险理论

2.1 P2P网络借贷平台相关理论

2.1.1 P2P网络借贷简介

2.1.2 P2P网络借贷“信用中介”运行体制相关理论

2.2 P2P网络借贷平台信用风险

2.2.1 P2P网络借贷平台信用风险的含义

2.2.2 P2P网络借贷信用风险来源及成因

2.3 研究P2P网络借贷平台信用风险的方法介绍

2.3.1 因子分析

2.3.2 二元Logistic回归

2.3.3 遗传算法

2.3.4 BP神经网络的认识

2.4 本章小结

第三章 P2P网络借贷平台信用风险指标体系

3.1 相关机构的信用风险控制体系

3.1.1 国内外商业银行信用风险控制体系

3.1.2 小额信贷机构信用风险管理体系

3.2 P2P网络借贷平台信用风险评价指标体系的指标选择

3.2.1 指标选取原则

3.2.2 指标体系构建

3.3 数据来源及预处理

3.3.1 数据来源

3.3.2 数据预处理

3.4 本章小结

第四章 P2P平台信用风险识别模型

4.1 基于Logistic模型的P2P平台信用风险特征选择模型

4.1.1 二元Logistic回归模型的适用性

4.1.2 因子分析

4.1.3 建立Logistic模型识别平台信用风险

4.2 基于GA-BP神经网络信用风险特征选择模型

4.2.1 GA-BP神经网络模型的适用性

4.2.2 GA-BP神经网络建模思路

4.2.3 模型建立及数据验证

4.3 结果分析

4.3.1 特征对比分析

4.3.2 模型对比分析

4.3.3 对出借人的投资建议

4.4 本章小结

结论

参考文献

致谢