大学生网络消费信贷行为及信用风险研究

发布时间：2020-09-18 09:41

　　在互联网技术飞快发展的背景下,作为互联网金融的重要模块——网络消费信贷产业将大学生群体视作业务拓展的又一蓝海。然而,伴随着大学生网络消费信贷市场的爆发式增长,大学生容易攀比、自我约束力差、信用意识薄弱、理财能力欠缺等问题逐渐凸显。同时,网络消费信贷提供商在快速抢占市场份额的进程中,忽视了对于产品的优化和风控体系的完善,为了吸引大学生用户的加入盲目扩张、虚假宣传,蕴藏着巨大的坏账风险,加上我国目前征信体系不健全,高校对金融知识的普及不够重视,网贷平台信息透明度不高,信贷催收系统不成熟等原因,大学生网络消费信贷的信用风险和违约乱象等问题日渐凸显,“裸贷”、“暴力催收”等一系列的恶性事件持续发酵,引发了社会各界地广泛关注和讨论。这不仅影响了大学生和谐、健康的校园生活,同时也使得大学生网络消费信贷产业的发展备受争议。本文首先对我国大学生网络消费信贷市场的特点以及发展现状进行了概述。然后,采用问卷调查和实地访问的方法,对西安四所高校的大学生进行了网络消费信贷行为及信用风险的调研,并对调查结果进行了统计分析。统计分析结果表明,在大学生使用网络消费信贷的行为特征方面,大部分大学生信贷的资金用途集中在购买电子产品上,有四分之一左右的大学生用户使用网络消费信贷的频率超过一个月3次,同时,有将近三成的大学生用户平均每个月使用网络消费信贷的额度超过了1000元,以上现象表明在有限的经济来源前提下,依然有一部分自我约束力较差的大学生采取了不够理性的消费行为和信贷行为,易诱发信用风险。在对大学生网络消费信贷行为进行统计分析的基础上,本文总结了易发生违约行为的借款人特征,并分析了信用风险的生成路径与机理。接着,通过建立指标体系,运用MLP神经网络构建了大学生网络消费信贷信用风险的评价模型,并进行了实证分析,测试结果表明此模型的预测精度较高,判断的失误率极低,有助于金融机构对大学生网络消费信贷申请人的信用风险进行贷前评估,降低违约行为的发生概率。最后,针对大学生网络消费信贷市场目前存在的问题,提出了关于提升大学生的信用风险防御能力,提高网贷平台的风险管理能力,完善大学生网络消费信贷的征信体系以及加强对网贷平台的监管这四方面控制信用风险的建议。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：G645.5;F724.6;F832.4
【部分图文】：

网络消费,信贷规模

来源：未央网图 1.1 我国网络消费信贷规模近些年来，随着互联网金融的发展，传统消费信贷搭上了“互联网+”的高不断改革与创新，寻找新的突破口，网络消费信贷应运而生。从图 1.1 可以看网络消费信贷的规模从 2010 年的 3.2 亿元增长到了 2016 年的 720.7 亿元，200 多倍的增长。大学生网络消费信贷作为新时代下的金融衍生品，将大学生统体制抑制的消费信贷需求激发了出来，这片蓝海的价值逐渐凸显，出现了校大学生提供消费信贷服务的网络分期平台，与此同时，传统的电商平台也大学生网络消费信贷服务。这些平台通过线上网络宣传、线下校园代理推广断扩大知名度和影响力，得到了社会各界的普遍关注。平台所提供的网络消品种类繁多，覆盖了大学生日常生活的方方面面，备受大学生青睐，因此参速提高，大学生网贷市场呈现出爆发式的增长。然而，好景不长，伴随着网贷平台对大学生市场的竞争进入白热化的阶段，大学生的信用风险问题又一在大家的视线中。大学生在使用网络消费信贷产品后无力偿还，拆东墙补西

发展趋势,平台,网络消费,消费信贷

第一章绪论，从源头上治理和化解风险[4]。从图 1.2 中的数据可以看出，校园贷的平台年的 108 家一路下降到了 2016 年的 76 家，很多校园贷平台宣布退出或进型，行业发展遭遇停滞。由此可见，网络消费信贷要想健康、稳步地发展提供长期、有效的信贷支持与帮助，就要充分分析大学生网络消费信贷信用的原因，从源头识别和抑制信用风险，降低大学生在使用网络消费信贷的过发生的违约行为，使大学生网络消费信贷能够健康、持续发展。

三层,无导师学习,人工神经,多层复合

属于无导师学习网络。在用于求解分类问题时无需样本，原理近似于利用距离函数做聚类分析。稳定性和健壮性不如有样本的 ML分类[10]。概述器，是近几年应用较为广泛的人工神经的多层复合，由输入层，隐藏层和输出个节点都是带有非线性激活函数的神经致是先构建一个特征向量，将该向量传结果，并将结果传递给下一层，网络在时有反馈信号，在进行分类的过程中信图 1.4。MLP 神经网络模型对于输入变输出变量影响较大并却能够检测或提取或相关性很小。

【相似文献】