小牛普惠公司互联网消费金融风险控制改进研究
发布时间：2020-12-29 07:24
随着国内互联网消费金融的迅猛发展,互联网消费金融贷款规模快速增长。互联网消费金融放贷规模从从2014年0.02万亿增长至2018年7.8万亿,增长近400倍。在互联网消费金融行业高速增长的背后,也暴露出诸多风险与问题,例如贷款逾期率高、客户欺诈与违约严重、客户信息泄露与暴力催收屡禁不止等等。与此同时,政府监管部门加强互联网金融监管,也使得互联网消费金融行业面临的风险形势日趋复杂,互联网消费金融面临前所未有的挑战,如何有效的改进和提升消费金融风险控制,成为互联网消费金融亟待解决的问题,研究互联消费金融企业风险控制改进对互联网消费金融公司健康发展具有重要意义。首先,本文通过研究金融风险控制及大数据风险控制理论,结合互联网消费金融行业风险控制实践,总结得出互联网消费金融行业风险控制经验教训,其次阐述小牛普惠公司互联网消费金融风险控制现状,通过调查问卷法及二手数据法进行分析,评价其风险控制成效,分析与定位当前风险控制问题及其成因,最后针对风险控制问题提出改进措施,具体包括对信用记录的管控,健全及完善征信体系,完善消费贷款的控制流程以及风险控制人员考核机制,通过改进措施提升企业风险控制能力,降低...
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
中国互联网消费金融放贷规模及增速（数据来源：艾瑞咨询）
MBA学位论文作者：曲卫军小牛普惠公司互联网消费金融风险控制改进研究72-1所示。黄小强（2015）进一步说明，互联网消费金融是银行、消费金融公司与互联网企业出资组成的消费信贷服务公司[12]，目的就是满足个人及家庭贷款需求，要求消费者按期偿还的业务活动。张文娟（2019）认为互联网消费金融未来需要在经营与监管、业务驱动方式等方面进行深度创新[13]。图2-1互联网消费金融定义及应用范畴因此，通过互联网技术拓展消费金融就是互联网消费金融，用互联网方式提高消费金融的效率，并精准服务消费对象，开发优质资源并进行优化配置，帮助消费者进行跨期消费规划。通过引导消费者的消费行为和消费习惯，互联网金融可以推动金融有效升级，刺激社会消费，符合消费实际需求，为优化和提高消费者生活质量打下坚实基矗2.1.3风险控制风险控制是指风险管理者为减少风险事件发生或者因风险事件带来的损失而采取的各种措施和方法，通过提前采取措施尽量减少降低风险发生的可能性，把可能的损失控制在一定范围之内。风险控制有风险回避、损失控制、风险转移和风险保留四种方法:风险回避，是指有意识地放弃风险行为，这样完全避免损失风险。但过于简单的风险回避是较为消极的风险控制方法，因为这种风险控制方式也意味着放弃了潜在的目标收益。损失控制，是指通过制定计划和采取措施，降低损失的可能性或者是减少实际损失，控制阶段分为事前事中事后三个控制阶段。事前控制降低损失概率，事中事后是减少实际发生的损失。风险转移，是指通过契约的方式，将风险转移到受让人去承担，降低经济主体的风险程度，风险转移的形式一般是合同和保险。
MBA学位论文作者：曲卫军小牛普惠公司互联网消费金融风险控制改进研究11图2-6机器学习与人类思考对比（资料来源：互联网）机器学习流程通过数据分析软件进行存储分析历史数据，再对历史数据进行分析处理，这个过程是机器学习的训练过程。机器分析处理所得到的结果主要被用来对新的数据预测，计算的结果就是模型。训练与预测是机器学习运算的两个主要过程，模型是运算过程的输出成果，训练最终形成了模型，模型之后再用于预测。2、深度学习GeoffreyHinton于2006年在科学杂志发表文章中提出了两个观点：（1）多隐藏层的神经网络算法具有学习能力，通过学习得到的特征对于数据有着更加深刻的理解，有利于将数据可视化或分类；（2）尽管深度神经网络在训练上会比传统神经网络更有难度，但是可以通过逐层进行初始化来解决实现这个问题[28]。深度学习结合有监督与非监督学习的神经网络训练和部署的学习框架，同时具备业务目标与大量数据，就可以衍生变量特征做到目标训练。深度学习对于具有大量数据、维度多、稀疏化的情况时作用就特别显著。学者仵伟强，后其林（2018）提出了贷前信用反欺诈模型，这种模型能有效评估新客户的欺诈概率，能提高审批工作处理效率，同时该模型基于逻辑回归具有较好的解释性，有助于金融机构识别目标客户[29]。通过建立基于机器学习的大数据风控模型-反欺诈模型、授信模型、催收模型，具有自动评分、自我学习能力，是目前互联网金融业内领先风控理念与最佳实践。3、区块链征信区块链的概念提出在2008年，区块链技术从根本上来说是一套“信任协议”，其中心化、不可篡改、全程留痕、非对称加密和智能合约的特性，让资产以可信、可靠的方式用数字化形式表示，可广泛应用在数据共享领域，特别是区?
【参考文献】：
期刊论文
[1]我国互联网消费金融发展的现状及趋势分析[J]. 张文娟. 长春金融高等专科学校学报. 2019(03)
[2]基于机器学习模型的消费金融反欺诈模型与方法[J]. 仵伟强,后其林. 现代管理科学. 2018(10)
[3]基于场景理论的互联网金融设计——以大学生消费信贷为例[J]. 柯丹丹. 商场现代化. 2018(09)
[4]互联网金融:本质、模式、风险与监管[J]. 姜波,冯华. 人民论坛·学术前沿. 2017(20)
[5]中国互联网金融发展现状[J]. 敬灏. 中外企业家. 2017(05)
[6]大数据技术驱动下的互联网消费金融研究[J]. 赵大伟. 金融与经济. 2017(01)
[7]我国互联网消费金融的界定、发展现状及建议[J]. 黄小强. 武汉金融. 2015(10)
[8]我国互联网消费金融的现状和趋势研究[J]. 刘玉. 中国集体经济. 2015(24)
[9]关于促进互联网金融健康发展的指导意见[J]. 信息技术与信息化. 2015(06)
[10]互联网金融、金融生态特征与新常态[J]. 陆岷峰,史丽霞. 金融市场研究. 2015(05)
本文编号：2945257
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
中国互联网消费金融放贷规模及增速（数据来源：艾瑞咨询）
MBA学位论文作者：曲卫军小牛普惠公司互联网消费金融风险控制改进研究72-1所示。黄小强（2015）进一步说明，互联网消费金融是银行、消费金融公司与互联网企业出资组成的消费信贷服务公司[12]，目的就是满足个人及家庭贷款需求，要求消费者按期偿还的业务活动。张文娟（2019）认为互联网消费金融未来需要在经营与监管、业务驱动方式等方面进行深度创新[13]。图2-1互联网消费金融定义及应用范畴因此，通过互联网技术拓展消费金融就是互联网消费金融，用互联网方式提高消费金融的效率，并精准服务消费对象，开发优质资源并进行优化配置，帮助消费者进行跨期消费规划。通过引导消费者的消费行为和消费习惯，互联网金融可以推动金融有效升级，刺激社会消费，符合消费实际需求，为优化和提高消费者生活质量打下坚实基矗2.1.3风险控制风险控制是指风险管理者为减少风险事件发生或者因风险事件带来的损失而采取的各种措施和方法，通过提前采取措施尽量减少降低风险发生的可能性，把可能的损失控制在一定范围之内。风险控制有风险回避、损失控制、风险转移和风险保留四种方法:风险回避，是指有意识地放弃风险行为，这样完全避免损失风险。但过于简单的风险回避是较为消极的风险控制方法，因为这种风险控制方式也意味着放弃了潜在的目标收益。损失控制，是指通过制定计划和采取措施，降低损失的可能性或者是减少实际损失，控制阶段分为事前事中事后三个控制阶段。事前控制降低损失概率，事中事后是减少实际发生的损失。风险转移，是指通过契约的方式，将风险转移到受让人去承担，降低经济主体的风险程度，风险转移的形式一般是合同和保险。
MBA学位论文作者：曲卫军小牛普惠公司互联网消费金融风险控制改进研究11图2-6机器学习与人类思考对比（资料来源：互联网）机器学习流程通过数据分析软件进行存储分析历史数据，再对历史数据进行分析处理，这个过程是机器学习的训练过程。机器分析处理所得到的结果主要被用来对新的数据预测，计算的结果就是模型。训练与预测是机器学习运算的两个主要过程，模型是运算过程的输出成果，训练最终形成了模型，模型之后再用于预测。2、深度学习GeoffreyHinton于2006年在科学杂志发表文章中提出了两个观点：（1）多隐藏层的神经网络算法具有学习能力，通过学习得到的特征对于数据有着更加深刻的理解，有利于将数据可视化或分类；（2）尽管深度神经网络在训练上会比传统神经网络更有难度，但是可以通过逐层进行初始化来解决实现这个问题[28]。深度学习结合有监督与非监督学习的神经网络训练和部署的学习框架，同时具备业务目标与大量数据，就可以衍生变量特征做到目标训练。深度学习对于具有大量数据、维度多、稀疏化的情况时作用就特别显著。学者仵伟强，后其林（2018）提出了贷前信用反欺诈模型，这种模型能有效评估新客户的欺诈概率，能提高审批工作处理效率，同时该模型基于逻辑回归具有较好的解释性，有助于金融机构识别目标客户[29]。通过建立基于机器学习的大数据风控模型-反欺诈模型、授信模型、催收模型，具有自动评分、自我学习能力，是目前互联网金融业内领先风控理念与最佳实践。3、区块链征信区块链的概念提出在2008年，区块链技术从根本上来说是一套“信任协议”，其中心化、不可篡改、全程留痕、非对称加密和智能合约的特性，让资产以可信、可靠的方式用数字化形式表示，可广泛应用在数据共享领域，特别是区?
【参考文献】：
期刊论文
[1]我国互联网消费金融发展的现状及趋势分析[J]. 张文娟. 长春金融高等专科学校学报. 2019(03)
[2]基于机器学习模型的消费金融反欺诈模型与方法[J]. 仵伟强,后其林. 现代管理科学. 2018(10)
[3]基于场景理论的互联网金融设计——以大学生消费信贷为例[J]. 柯丹丹. 商场现代化. 2018(09)
[4]互联网金融:本质、模式、风险与监管[J]. 姜波,冯华. 人民论坛·学术前沿. 2017(20)
[5]中国互联网金融发展现状[J]. 敬灏. 中外企业家. 2017(05)
[6]大数据技术驱动下的互联网消费金融研究[J]. 赵大伟. 金融与经济. 2017(01)
[7]我国互联网消费金融的界定、发展现状及建议[J]. 黄小强. 武汉金融. 2015(10)
[8]我国互联网消费金融的现状和趋势研究[J]. 刘玉. 中国集体经济. 2015(24)
[9]关于促进互联网金融健康发展的指导意见[J]. 信息技术与信息化. 2015(06)
[10]互联网金融、金融生态特征与新常态[J]. 陆岷峰,史丽霞. 金融市场研究. 2015(05)
本文编号：2945257
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/2945257.html
