P2P网络借贷中借款人的信用风险评估研究

发布时间：2017-08-30 13:35

  本文关键词：P2P网络借贷中借款人的信用风险评估研究

  更多相关文章： P2P网络借贷 信用风险 K均值聚类分析 Logistic回归

【摘要】：P2P(Peer-to-Peer)网络借贷是一种基于互联网的、实现个人对个人的直接信贷模式,可有效解决小微借贷客户融资难的问题。尽管P2P网络借贷市场得到了蓬勃发展,但诸多借贷风险因素尤其是信用风险已经成为该市场成长的严重障碍,借款人的违约发生率不断攀升,使投资者的利益遭到严重损害,对借款人的信用风险进行评估已经成为一个广泛关注的热点问题。鉴于我国P2P网络借贷市场发展尚不够完善,特以美国Lending Club公司为例对借款人的信用风险进行评估研究。本文首先介绍了P2P网络借贷市场上常见的风险,并重点分析了信用风险;其次,介绍了常用的信用风险评估方法,通过对比分析,得出Logistic回归分析法更适合对P2P网络借贷中借款人的信用风险进行评估;最后,采用Lending Club公司的借贷交易数据,构建了借款人信用风险评估的Logistic回归模型。在构建Logistic回归模型中,选取了与借款人信用风险可能相关的18项指标;运用K均值聚类分析法,挑选出具有代表性的违约个体和正常个体组成了模型的训练样本;对指标变量进行了离散化分类处理,引入指标变量的WOE值和IV值,并通过IV值对指标变量进行了初步的筛选;利用指标变量的WOE值代替原值,运用逐步回归法构建了评估借款人信用风险的Logistic回归模型,并运用ROC曲线和判别矩阵对模型的有效性和预测能力进行了检验。结果表明,借款人的月还款额、借贷利率、借贷目的、年收入、房产情况、借贷收入比、信用历史、过去6个月内被债权人调查的次数和循环贷款利用率与其违约风险显著相关,由这9项指标构成的Logistic回归方程可以实现对借款人违约发生率的量化处理,辅助投资者进行投标决策。而且鉴于我国大多数P2P网络借贷平台尚未建立借款人信用风险评估体系,本文的研究可以在一定程度上为我国P2P网络借贷平台构建借款人信用风险评估体系提供借鉴。
【关键词】：P2P网络借贷 信用风险 K均值聚类分析 Logistic回归
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F724.6;F832.4
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-19
• 1.1 研究背景9-10
• 1.2 研究目的和意义10-11
• 1.2.1 研究目的10
• 1.2.2 研究意义10-11
• 1.3 P2P网络借贷模式介绍11-12
• 1.4 国内外研究现状12-17
• 1.4.1 国外研究现状12-15
• 1.4.2 国内研究现状15-16
• 1.4.3 总结与分析16-17
• 1.5 研究方法与研究内容17-19
• 1.5.1 研究内容17
• 1.5.2 研究方法17-18
• 1.5.3 论文结构18-19
• 第2章 P2P网络借贷的风险与评估方法19-28
• 2.1 P2P网络借贷的风险19-22
• 2.1.1 信用风险19-20
• 2.1.2 其他风险20-22
• 2.2 信用风险评估方法22-27
• 2.2.1 传统信用风险度量方法22-26
• 2.2.2 现代信用风险度量方法26
• 2.2.3 信用风险评估方法比较分析26-27
• 2.3 本章小结27-28
• 第3章 借款人信用风险评估的数据准备与处理28-42
• 3.1 数据来源与指标选取28-29
• 3.1.1 数据来源与说明28
• 3.1.2 指标选取28-29
• 3.2 训练样本与验证样本的选取29-32
• 3.2.1 训练样本选取30-32
• 3.2.2 验证样本选取32
• 3.3 指标分析与相关假设32-38
• 3.4 指标变量分类38-39
• 3.5 指标筛选39-41
• 3.6 本章小结41-42
• 第4章 借款人信用风险评估模型的构建与分析42-53
• 4.1 模型构建42-45
• 4.2 模型检验45-48
• 4.2.1 模型有效性检验45-47
• 4.2.2 模型预测能力验证47-48
• 4.3 模型分析48-51
• 4.3.1 模型结果分析48-50
• 4.3.2 假设验证结果50-51
• 4.4 相关建议51-52
• 4.5 本章小结52-53
• 结论53-54
• 参考文献54-57
• 附录57-70
• 致谢70

，

本文编号：759601