基于超效率DEA模型的互联网金融上市公司信用评分研究

发布时间：2021-12-29 16:22

　　近年来,我国的金融行业和信息技术行业不断进步,在此大背景下产生的互联网金融行业得到了飞速发展。互联网金融经过不断成熟发展逐渐形成以第三方支付、众筹、P2P网贷、信息化金融机构、大数据金融和互联网金融门户为主的六大业务板块,在促进金融业发展、提供多样融资渠道,让更多用户体验互联网金融快速便捷的服务方面发挥了积极的作用。但是,互联网金融也存在着相应的弊端,目前不断出现多种互联网金融的负面事件,如牛金所非法集资为股东融资、汽车众筹平台“金福在线”在短短几天内吸引了 100多名投资者虚假集资等,这些事件的发生已经对整个互联网金融行业造成不良的影响,甚至会影响到整个金融行业的稳定性。因此研究互联网金融的信用风险不仅具有非常重要的学术价值,而且对投资者具有现实参考意义。本文基于两步实证分析探究我国互联网金融行业有效的信用评分模型,选取互联网金融概念股中53家互联网金融上市公司为研究对象,以2015年至2017年共159组数据为研究样本,基于对企业进行信用评价常用的高频指标和相关权威文献构建海选指标体系,再结合互联网金融行业的特点创新性的添加研发支出占营业收入的比重、技术人员数量技术方面等相关指标,... 

【文章来源】：东北财经大学辽宁省

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

图３－１?５３家互联网金融上市公司信用评分分布图??

【参考文献】：
期刊论文
[1]互联网金融中的信用风险形成机理研究[J]. 李国义.  哈尔滨商业大学学报(社会科学版). 2017(03)
[2]中国上市商业银行信用风险分析及比较——基于KMV模型及面板数据[J]. 李晟,张宇航.  中央财经大学学报. 2016(10)
[3]基于Probit回归的小企业债信评级模型及实证[J]. 迟国泰,张亚京,石宝峰.  管理科学学报. 2016(06)
[4]P2P网贷平台信用风险评级模型构建[J]. 王丹,张洪潮.  财会月刊. 2016(09)
[5]基于随机森林的P2P网贷信用风险评价、预警与实证研究[J]. 于晓虹,楼文高.  金融理论与实践. 2016(02)
[6]基于自适应LASSO变量选择的Logistic信用评分模型研究[J]. 罗昊,韩瑞珠.  商. 2016(04)
[7]基于Credit Risk+模型的互联网金融信用风险估计[J]. 李琦,曹国华.  统计与决策. 2015(19)
[8]互联网金融中的大数据征信体系构建[J]. 赵海蕾,邓鸣茂,汪桂霞.  经济视角(上旬刊). 2015(04)
[9]我国财务公司资金使用效率、动态变化及影响因素研究——基于DEA方法的实证分析[J]. 朱南,谭德彬.  金融研究. 2015(01)
[10]论我国互联网金融市场信用风险管理体系的构建[J]. 陈秀梅.  宏观经济研究. 2014(10)

硕士论文
[1]我国互联网金融上市公司信用评价研究[D]. 郑小珊.安徽大学 2017
[2]基于支持向量机的互联网金融个人信用评估方法研究[D]. 连程.浙江财经大学 2017
[3]中国制造业信用风险分析[D]. 李天娇.西南财经大学 2016



本文编号：3556470