1. 研究目的与意义
随着互联网的崛起与发展，P2P网络借贷正在逐渐取代传统的民间借贷方式并迅速占有市场，但由于我国P2P网络借贷行业借贷人信息不对称、网络征信手段缺失和金融监管力度不足的问题，我国P2P网络借贷行业遭遇了瓶颈。
目前，我国关于这方面的研究主要集中宏观和微观两个方面，宏观研究认为P2P网络借贷行业政策和法律设施不完善，微观研究则主要集中在量化借款人和平台的信息并进行信用风险评价。
2. 研究内容和预期目标
研究内容：从宏观和微观两方面对中国P2P网络借贷信用风险进行评价
关键问题：借款人信用风险模型的构建及评价
写作提纲：（1）P2P网络借贷现状；（2）宏观政策性分析；（3）微观层面借款人信用分线模型构建及评价；（4）结论3. 国内外研究现状
| 国外的研究主要集中在个性指标对网络借贷成交结果的影响，如：Stein（2002）将借款人信息定义为“硬信息”和“软信息”两类，性别、年龄等易于量化的指标为硬信息，其他无法量化的指标为软信息，并验证了这两类信息都能影响借款人的信用评价结果；Pope和Sydnor（2011）的研究中指出借款人上传照片更容易获得借款；MICHELS J（2012）进一步验证在P2P网络借贷中，借款人的“软信息”也会影响借贷业务是否达成；Barasinska和Schafer（2014）发现P2P平台存在性别歧视，其中女性更容易获得借款。 国内研究则主要是用不同的统计方法构建模型来进行信用风险评价：陈清和林峰润（2017）根据描述性信息对借款人逾期率的影响做了探索性研究；更多的研究主要偏重借款人信用评价模型的构建：裴平和郭永济（2017）从大数据征信视角构建了基于贝叶斯网络的P2P借款人信用评价模型；谭中明等人（2018）运用二项Logistic分类模型对P2P借款人的信用风险进行实证分析；考虑到Logistic模型的低稳定性，都红雯、卢孝伟（2018）将Logistic模型与SVM模型组合进行信用风险评估；肖会敏等人（2018）参考商业银行信用指标体系运用BP神经网络模型建立了P2P网贷借款人的信用评估指标体系。
|
4. 计划与进度安排
从宏观和微观两个角度来研究中国P2P网络借贷信用风险评价，宏观层面，查阅相关文献了解我国P2P网络信贷行业的政策并进行总结评价；微观层面，通过总结前辈的理论经验，得出借款人信用风险评价模型，经过实证分析最后再总结得出结论。
5. 参考文献
| [1]廖理.互联网金融需按业态监管P2P和众筹是金融监管的最大挑战[J].中国经济周刊,2014(20):27. [2]李鑫.金融监管与中国P2P网贷的发展及异化[J].财经科学,2016(05):32-40. [3]于博.P2P网络借贷:交易决策、风险传导与监管策略——文献综述与研究反思[J].中央财经大学学报,2017(10):21-32. [4]王雄,邹铃.我国P2P网贷平台成交量的政策效应研究——基于平台类型与地区的差异[J/OL].金融理论与实践,2019(09):49-59[2019-09-02].http://kns-cnki-net.webvpn.cafa.edu.cn/kcms/detail/41.1078.F.20190828.1658.014.html. [5] Stein J C. Information Production and Capital Allocation：Decentralizadversus Hierarchical Firms[J]. Journal of Finance,2002,57(05)：1891-1921 [6] Pope D G, Sydnor J R. What’s in a Picture？Evidence ofDiscriminationfrom Prosper.com[J].Journal of Human Resources，2011,46(1)：53-92 [7] MICHELS J. Do Unverifiable Disclosures Matter？Evidencefrom Peer-to-peer Lending[J].The Accounting Review，2012，87(4)：1385-1413 [8] Barasinska N, Schafer D.Is Crowd Funding Different？Evidenceon the Relation between Gender and Funding Success from a German Peer-To-PeerLending Platform[J].German Economic Review,2014,15(4)：436-452 [9]廖理,李梦然,王正位.中国互联网金融的地域歧视研究[J].数量经济技术经济研究,2014,31(05):54-70. [10]陈清,林峰润.描述性信息对借款人逾期率的影响研究——基于P2P网络借贷平台的分析[J].宏观经济研究,2017(03):137-145. [11]裴平,郭永济.基于贝叶斯网络的P2P网贷借款人信用评价模型[J].中国经济问题,2017(02):29-41. [12]谭中明,谢坤,丁国平.P2P网贷信用风险判别研究——基于二项Logistic分类模型[J].海南金融,2018(08):4-12. [13]都红雯,卢孝伟.基于SVM-Logistic组合模型的P2P借款者信用风险评估——以微贷网为例[J].生产力研究,2018(10):31-36 63. [14]肖会敏,侯宇,崔春生.基于BP神经网络的P2P网贷借款人信用评估[J].运筹与管理,2018,27(09):112-118. [15]何光辉，杨咸月，蒲嘉杰.中国P2P网络借贷平台风险及其决定因素研究[J].数量经济技术经济研究，2017,34(11):44-62. [16]张丹丹.P2P网贷平台风险评估与控制实证研究[J].改革与开放,2018(21):27-29. [17]刘晓宇,王爱民.P2P网贷平台治理能力的研究[J].中国集体经济,2019(20):92-94. [18]于卓熙,李梦丽.基于熵权法与灰色关联分析的P2P网贷平台发展综合评价[J].吉林师范大学学报(自然科学版),2019,40(02):37-44. [19]杨阳.对P2P网贷平台信用风险的研究--基于数据挖掘的方法[D].上海外国语大学,2019. |
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
