P2P网络贷款业务信用风险评估与控制

发布时间：2020-10-31 05:11

　　 P2P网络借贷自从在我国兴起以来,发展势头极其迅猛。在2018年,我国P2P网络借贷行业不仅开发了很多与国外不同的新运营模式,并且其凭借着借贷高效快捷,收益高,门槛低等优势迅速发展壮大。但是随着该行业蓬勃的发展,问题也是频频爆出,例如:“跑路”、“提现困难”、违约等。这些问题主要是因为P2P网络借贷是个新兴行业,发展又及其迅速,相应的法律法规,征信体系,监管体系等配套体系的发展与完善没有相应跟上,而我国P2P借贷行业又根据本国特色开发出一些国外没有的新运营模式,使国家与企业很多时候都是“摸着石头过河”。在大数据智能风控方面,我国没有完善的征信体系,各个P2P网贷平台对自身的风控投入不够并且不愿披露交易数据,所以导致我国学者对P2P网贷过程中信用风险的量化分析过少。在智能风控建模方面,也由于缺少网贷真实交易数据导致选取模型与优化方面缺少实证研究。通过对P2P网贷平台真实交易数据进行研究与分析,可以证实一些风险评估与风险控制的相关理论并提出新的思路,进而对我国整个P2P网贷行业提出更加切实有效的风险控制建议与措施。同时在树立投资人与借款人理性思考、建立完善的P2P网贷信用评估机制以及保证整个P2P网贷行业可持续发展上有极其重要的实际意义。本文通过文献分析法,将近些年的国内外对于P2P网贷过程中风险的成因、预防和控制方面的研究进行了整理与总结,得出当前P2P网贷中几个主要问题。通过对借款人违约率影响因子进行介绍与比较,最后选取借款金额、利率期限、年龄、月薪、性别、车产、车贷、房产、房贷、婚姻状态、职位、学历,作为评估借款人违约率的影响因子。通过对当前几种主流评估方法进行阐述与比较,得出各种评估方法在应用上的优缺点,最后选取BP神经网络、逻辑回归、支持向量机三种评估方法以及上述借款人违约率因子作为参数进行建模。以钱包金服满标历史数据进行实证研究,进行借款人违约率预测评估,通过比较分析后发现,应用BP神经网络进行建模的评估预测率最高,拟合时间与次数也最少。而应用逻辑回归进行建模虽然预测率不如BP神经网络,但是可以获得各个参数(借款金额、利率期限、年龄、月薪、性别、车产、车贷、房产、房贷、婚姻状态、职位、学历)对借款人违约率影响的权重大小,因而进一步证实了国内外学者对借款人违约率因子的分析结论。最后,结合国内外文献以及本文的实证分析,在P2P网贷平台自身与国家政府管理两个方面,提出一些关于我国P2P网贷信用风险控制方面的积极建议与措施。希望为我国P2P网贷行业的健康发展做出一定贡献。
【学位单位】：华北电力大学(北京)
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.4;F724.6
【部分图文】：

依赖互联网技术，所以相应的高科技手段随之应用于产生。当然由于是新兴产业，各方??监管措施都不完善，导致风险也随之而来。截止到２０１８年７月累计平台数达到了?６３８５??家，累计增长率为０．７７，如图２－１所示，其中上海、北京、浙江成交量占比较大，如??图２＿２、图２＿３所不。??劳：！这台数量士節ｉ平台長至！＿蒙计罕台数曼：＇：累ｉｒｆ？〒会達長至??ｌＯＯＯＯｔ＇?ｐ?Ｊ｜?５００％??８０００＾?ｆ?｜?Ｉ?４００％??！?ｉ?ｌ?§?３〇ｏ％??：：：ｕ－墨……??２０ｉ６年１月?２０１６年５月?２０＇１碎９月?２０１７年２０１７年５月?２０１７年９月?２０１８年２０１８年５月??１?１??１?醺??图２－１平台数量（数据来源于网贷之家）??但是随着中美贸易战的拉开，不良的国际经济形势导致我国的经济受到影响，金融??业遭到冲击，Ｐ２Ｐ网贷交易中“暴雷”，“跑路”现象频频出现，更令人担忧的是问题??平台的数量仍存在不断增加的趋势。从２０１６年１月份的问题平台数１２９２家到２０１８年７??月的２３０５家，数量己经翻倍。互联网金融的投资综合预期收益率与成交量也在持续减??少，从２０１７年７月份最高峰成交量２４９５到２０１８年７月份的成交量１４４７。如图２－４所??示。??１３??

其態?Ｈ０．８８Ｅ元?－３２％?３９２家－燋?１５家?紹２家?１４家?Ｓ４５家?４９５，７７亿元?瓜０３％?５．０４月谈９１万人览２９方人??图２－３地区成交数据（数据来源于网贷之家）??尤其在２０１８年的６、７月是其发展史上的“至暗时刻”。有部分平台高管用‘短暂??性休克’来形容７月以来的行业危机。如果本轮爆雷潮不加引导甚至干预，有可能会演??变成行业行业性的系统性危机。“爆雷”潮下，整个行业遭遇了最严重的危机。根据网??贷天眼提供的数据统计，７月问题平台共有２５３家，这一数字是上个月的２．?８７倍，为近??几个月以来的最大值。根据统计结果显示，７月问题平台的类型主要以提现困难、平台??失联为主，警方介入、停业或转型、平台诈骗现象仍占相应的比例。其中，提现困难平??台共计１２１家，占比４７．?８３％，包括啄米理财、资本在线等平台；平台失联的共有包括卓??安ｅ贷、赚吧理财等在内的９７家

??图２－２全国及各地区借款额成交量占比（数据来源于网贷之家）??全国?１４４７．Ｓ４１Ｚ?元－１Ｓ％?１６４５家?４０％?５３家?２４３Ｓ?家?１６５家?Ｂ０５家?９Ｓ６１．４８＃蓿墸梗?罚叮ィ墸保玻?显拢牐常常矗?常赐蛉耄牐常罚担?保吠倘耍崳?广东?２８１．８嶋－１４％?ｍｍ?－１６％?ｓｍ?ｍｍ?２Ｓｍ?ｍｍ?ｌｍｍｍ?－ａ９ｉ％．?ｉｍ?ｍｉｍＡ?ｔｕｂａ??北眾?ｍｍｚｎ?－２０％?ｍｍ?－ｉｍ?１１?家?？耵家?＼ｍ?ｍｍ?ｎｒｎｒｎｍ．?ｉｏＭｍ?ｘｕｍ?ｕｕ＾ａ?Ｕ２ｍＡ??ｍｉ?２１３．９１ｓ元－２〇％?ｎｍ?－＆％?ａｍ?ｍｍ?ｍｍ?ｍｍ?ｓｏａａｚｊｇ?８．２２％?４２為月?３５，６容ｂ入?ｍｍｅａ??上海?３Ｓ７．Ｍ?亿元?－５％?２０６家－１５％?１１?家?？部家?４８?冢?２８６?家?２７４１Ｊ７蹄?１０．０６％?２０．５５＾?５８．Ｓ３ＳＡ?ＷＡＳＥＡ??７．１Ｅｔｃ?－ｅｓ?５１?家－１０％?膝?１２７■家?１?家?Ｂ４?象?１２９、４７１Ｓ元?１０，０２％?１６７?月?ＩＭＴｉＡ?２ＭＢＡ??＼ｌｍ?Ａ．ｍ＾ｉ?－３５％?６１?冢?２％?１?冢?２？５?家?ｉ家?３５３家?４４忽￡元?９，５６％?５．１５?月?１．９４?万人?０２历人：??．恶匕?８．４￡元?－４０％?４４?莩－１４％?茂?ＳＢＷ．?２?冢?５?嫁?６２．１１Ｓ?元?１２７１％?６．５月?２．Ｂ?万入?３．Ｇ３?万入??＿１！?４３８＾?－５５％．?２８?冢－１０％?０?冢?Ｓｉ?冢?１?家?６４?家?ｉ５．Ｇ９?亿元?Ｕ０７％?６Ｊ８?月?３
【相似文献】

相关期刊论文 前10条

1 张进红;顾小明;;对新常态下商业银行担保圈贷款风险管理的探索和思考[J];现代金融;2016年10期

2 王全美;;住房公积金管理中心贷款风险管理[J];经贸实践;2016年11期

3 高淑兰;;住房公积金贷款风险分析及防控措施[J];共产党人;2017年15期

4 靳纯平;;新时期下银行贷款风险管理与防范对策[J];现代经济信息;2013年02期

5 高铎山;徐和陵;汪之嵛;;农发行中长期贷款风险管理问题研究[J];现代金融;2009年01期

6 张建江;;强化隐性贷款风险管理初探[J];山西广播电视大学学报;2009年05期

7 李兴燕;理性看待贷款风险管理[J];时代金融;2005年03期

8 朱年孝;贷款风险管理重在关注第一还款来源变化[J];金融信息参考;2004年11期

9 李百翔;;怎样理解加强贷款风险管理问题[J];农业发展与金融;2004年06期

10 程永太,牛晋刚;信用社贷款风险管理的意义[J];经济师;2002年09期

相关硕士学位论文 前10条

1 廖聪;北京银行贷款风险管理优化研究[D];湘潭大学;2018年

2 郑海峰;A农商银行Q支行的中小企业贷款风险管理研究[D];电子科技大学;2019年

3 唐熠;昆明市X农信社个人消费贷款营销策略研究[D];云南大学;2018年

4 张春锟;青岛WB银行对公贷款风险管理优化的研究[D];吉林大学;2019年

5 左旭昭;基于个人网络贷款的信用风险研究[D];对外经济贸易大学;2019年

6 邓宇;P2P网络贷款业务信用风险评估与控制[D];华北电力大学(北京);2019年

7 刘怡彤;中国农业银行MD分行农户贷款风险管理问题研究[D];东北石油大学;2019年

8 符豪;融焺贷款业务风险管理系统设计与实现[D];大连理工大学;2018年

9 杨晓晖;国家开发银行云南省分行棚改项目贷款风险管理方案设计[D];兰州大学;2017年

10 刘欣;A商业银行小微企业贷款风险管理改进研究[D];厦门大学;2018年

本文编号：2863489