伴隨著互聯(lián)網(wǎng)金融的快速發(fā)展,互聯(lián)網(wǎng)金融產(chǎn)品孕育而生,其主要產(chǎn)品包含線上的理財、保險和貸款等。但由于國內(nèi)個人征信體系不健全、個人征信報告結(jié)果不全面以及個人征信行業(yè)正面臨的種種機遇和挑戰(zhàn),局面錯綜復(fù)雜導(dǎo)致我國網(wǎng)貸產(chǎn)品的有效客戶識別程度達不到能快速且準(zhǔn)確的選擇出高意愿、低風(fēng)險、好信用的有效用戶。同時,由于國內(nèi)宏觀經(jīng)濟發(fā)展、消費者觀念的轉(zhuǎn)變和消費信用貸款的便利、貸款產(chǎn)品的模式轉(zhuǎn)變等一系列因素的影響,我國的消費信用貸款業(yè)務(wù)發(fā)展較快,消費信用貸款已逐步成為人們目前的主要生活與消費習(xí)慣,我國的消費信貸發(fā)展空間巨大。隨著互聯(lián)網(wǎng)消費金融貸款產(chǎn)品的迅猛發(fā)展,客戶違約和違約后的不良后果時有發(fā)生,只有對目標(biāo)客群進行準(zhǔn)確的識別定位,對產(chǎn)品有很精準(zhǔn)的認(rèn)知,對客戶的信用情況和對產(chǎn)品所需要承擔(dān)的償還風(fēng)險進行一定程度的量化分析,才能加強個人消費信用貸款的風(fēng)險管理,降低信用貸款的風(fēng)險,這對貸款公司資金的安全性和整體的盈利能力有著十分重要的意義,因此,論文研究具有實際意義。本文首先對于我國征信市場的研究現(xiàn)狀和現(xiàn)存問題進行了梳理,其次,對個人征信行業(yè)的發(fā)展現(xiàn)狀和現(xiàn)存挑戰(zhàn)進行有條理性的總結(jié)。隨后,對互聯(lián)網(wǎng)金融貸款產(chǎn)品的有效客戶... 

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 相關(guān)研究文獻綜述
        1.3.1 互聯(lián)網(wǎng)消費金融貸款的現(xiàn)狀與問題
        1.3.2 互聯(lián)網(wǎng)消費金融貸款產(chǎn)品的有效客戶識別
        1.3.3 互聯(lián)網(wǎng)消費金融貸款產(chǎn)品有效客戶識別的方法與應(yīng)用
    1.4 研究目的、思路與研究內(nèi)容
    1.5 研究方法與技術(shù)路線圖
第二章 互聯(lián)網(wǎng)消費金融貸款產(chǎn)品現(xiàn)狀分析
    2.1 互聯(lián)網(wǎng)消費金融貸款的發(fā)展現(xiàn)狀
    2.2 互聯(lián)網(wǎng)消費金融貸款產(chǎn)品問題表現(xiàn)及成因
        2.2.1 個人征信體系數(shù)據(jù)采集不全面
        2.2.2 信息主體的數(shù)據(jù)安全性低
        2.2.3 綜合信用評價的適用性低
        2.2.4 海量數(shù)據(jù)訓(xùn)練模型選擇難
    2.3 本章小結(jié)
第三章 大數(shù)據(jù)信貸產(chǎn)品有效用戶識別案例分析
    3.1 用戶信用識別
        3.1.1 中國人民銀行征信用戶識別
        3.1.2 美國FICO信用分用戶識別
    3.2 信貸產(chǎn)品有效用戶識別
        3.2.1 螞蟻金服“螞蟻花唄”有效用戶識別
        3.2.2 拉卡拉“易分期”有效用戶識別
    3.3 本章小結(jié)
第四章 客戶數(shù)據(jù)指標(biāo)選取與預(yù)處理方法
    4.1 互聯(lián)網(wǎng)金融貸款產(chǎn)品介紹
    4.2 數(shù)據(jù)準(zhǔn)備
        4.2.1 樣本選擇
        4.2.2 樣本數(shù)據(jù)指標(biāo)搜集
        4.2.3 好壞客戶定義
    4.3 數(shù)據(jù)清洗
    4.4 數(shù)據(jù)預(yù)處理
    4.5 數(shù)據(jù)源樣本選取
    4.6 本章小結(jié)
第五章 Logistic-DEA有效用戶識別模型
    5.1 Logistic-DEA模型流程
    5.2 邏輯回歸模型訓(xùn)練與結(jié)果
    5.3 數(shù)據(jù)包絡(luò)分析(DEA)模型
        5.3.1 DEA理論概述及基本操作流程
        5.3.2 DEA基本模型CCR模型
    5.4 運用DEA進行數(shù)據(jù)預(yù)處理
    5.5 新指標(biāo)后邏輯回歸模型結(jié)果
    5.6 模型驗證
        5.6.1 模型準(zhǔn)確率檢驗
        5.6.2 混合矩陣檢驗
        5.6.3 用戶評分高低命中率檢驗
        5.6.4 Kolmogorov-Smirnov測試檢驗
    5.7 模型小結(jié)
    5.8 本章小結(jié)
第六章 結(jié)束語
    6.1 研究結(jié)論及建議
        6.1.1 研究結(jié)論
        6.1.2 互聯(lián)網(wǎng)金融發(fā)展建議
    6.2 本文主要工作和可能的創(chuàng)新之處
    6.3 未來的研究展望
參考文獻
附錄1 程序清單
附錄2 攻讀碩士學(xué)位期間撰寫的論文
附錄3 攻讀碩士學(xué)位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]P2P平臺信用風(fēng)險分析與思考[J]. 寧紅泉.  經(jīng)貿(mào)實踐. 2018(23)
[2]決策樹算法在客戶流失建模中的應(yīng)用[J]. 朱正鍵,胡芬芬,梅嘉玲.  移動通信. 2018(11)
[3]我國個人征信市場研究[J]. 張雯多.  吉林金融研究. 2018(10)
[4]大數(shù)據(jù)分析在互聯(lián)網(wǎng)金融營銷中的應(yīng)用機制[J]. 游筱婷.  德州學(xué)院學(xué)報. 2018(04)
[5]基于邏輯回歸的P2P網(wǎng)貸信用風(fēng)險評估研究——以微貸網(wǎng)為例[J]. 李淑錦,詹子涵.  生產(chǎn)力研究. 2018(08)
[6]基于Logistic-DEA的互聯(lián)網(wǎng)金融貸款產(chǎn)品有效客戶識別[J]. 劉冰清,盧子芳,朱衛(wèi)未,尹相菊.  管理現(xiàn)代化. 2018(04)
[7]互聯(lián)網(wǎng)金融對商業(yè)銀行核心業(yè)務(wù)的影響——基于2006～2016年我國主要商業(yè)銀行的面板數(shù)據(jù)[J]. 李朋林,董一一.  財會月刊. 2018(10)
[8]大數(shù)據(jù)在傳統(tǒng)貸款風(fēng)控中的應(yīng)用[J]. 劉揚,姬建華.  科技傳播. 2018(03)
[9]用戶畫像在互聯(lián)網(wǎng)金融中的應(yīng)用[J]. 沈金波.  現(xiàn)代商業(yè). 2017(33)
[10]互聯(lián)網(wǎng)金融對銀行信貸業(yè)務(wù)的影響研究[J]. 王貝貝,劉欣欣.  現(xiàn)代經(jīng)濟信息. 2017(07)



本文編號：3653957