【摘要】：近年來,隨著互聯(lián)網(wǎng)技術(shù)的革新和普及,以及金融產(chǎn)業(yè)的創(chuàng)新,互聯(lián)網(wǎng)+金融成為了未來金融業(yè)發(fā)展的大趨勢。P2P是其中最具代表的互聯(lián)網(wǎng)金融模式,借助互聯(lián)網(wǎng)平臺直接將借貸雙方連接起來,以其操作便利、無需抵押擔(dān)保和高收益性,在我國得到了迅速的發(fā)展。P2P網(wǎng)貸很好的緩解了中小企業(yè)融資難的問題,同時擴(kuò)寬了小額資金擁有者的投資渠道,促進(jìn)了我國經(jīng)濟(jì)的發(fā)展。但是,近年來網(wǎng)貸平臺出現(xiàn)了大量壞賬,極大地危害了投資人的利益以及平臺的正常經(jīng)營。由于大部分P2P網(wǎng)絡(luò)借貸是一種無需要抵押擔(dān)保的借貸,加之網(wǎng)貸平臺沒有建立有效的借款人信用風(fēng)險評價體系,信息不對稱普遍的存在于借貸的整個過程中,借款人的信用風(fēng)險是P2P網(wǎng)絡(luò)借貸所面臨的主要風(fēng)險之一。因此,建立完善的借款人信用風(fēng)險評估體系,是解決信息不對稱所引起的信用風(fēng)險的有效手段。本文梳理了國內(nèi)外學(xué)者對信用風(fēng)險評估方法的研究,并分析了P2P網(wǎng)貸過程中產(chǎn)生信用風(fēng)險的原因。通過梳理發(fā)現(xiàn)以Logistic模型建立信用風(fēng)險評估模型有較強(qiáng)的實用性。但是,如果過多的引入無關(guān)變量,或是變量間存在共線性,都會造成模型的評估準(zhǔn)確性下降。因此,本文將在Logistic模型的基礎(chǔ)上,引入Lasso算法解決變量間的共線性,并對變量進(jìn)行篩選。最終使得模型更加簡潔,預(yù)測準(zhǔn)確性更高。本文的建模數(shù)據(jù)均來自“人人貸”平臺,將從借款人的基本信息、資產(chǎn)收入信息、歷史交易和信用信息以及借款標(biāo)的信息四個方面構(gòu)建指標(biāo),并將數(shù)據(jù)分為實驗組和測試組。通過實驗組數(shù)據(jù)來建立信用風(fēng)險評估模型,利用測試組來測試模型的預(yù)測準(zhǔn)確性。模型共篩選出了9個主要的解釋變量,通過測試組的分類表及ROC曲線發(fā)現(xiàn)模型有良好的預(yù)測準(zhǔn)確性。希望通過本文的研究能為P2P網(wǎng)貸平臺進(jìn)行更好的風(fēng)險控制提供一定參考。
【學(xué)位授予單位】：廣東外語外貿(mào)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F724.6;F832.4
【圖文】：

2P 網(wǎng)絡(luò)借貸發(fā)展現(xiàn)狀網(wǎng)貸之家的《2017 年中國網(wǎng)絡(luò)借貸年報》數(shù)據(jù)，如下圖 3-2 年底正常營運平臺數(shù)量達(dá)到了 1931 家，相比于 2016 年的 2。從 2011 年到 2015 年，歷年正常運營平臺數(shù)量呈快速增長年正常運營平臺數(shù)量呈逐級減少趨勢�？梢娖脚_增速將逐步象的原因可能是政府對行業(yè)的規(guī)范力度增強(qiáng)，大量的問題平臺臺被市場淘汰，行業(yè)泡沫退隱，投資者逐漸向優(yōu)質(zhì)的平臺匯展。 P2P 網(wǎng)絡(luò)借貸的快速發(fā)展，法律監(jiān)管不健全，大量問題平臺 2014 年有快速增長的趨勢。但 2017 年出現(xiàn)問題平臺 645 家回落�？梢婋S著我國網(wǎng)絡(luò)借貸法律的健全，監(jiān)管的加強(qiáng)，網(wǎng)貸方向發(fā)展。

圖 3-3 歷年網(wǎng)貸成交量及增長率7 年行業(yè)的綜合收益率為 9.45%，相比于 2016 年減少了 1%。201率為 21.25%，是近五年的最大值，從 2013 年之后綜合收益率呈面，由于問題平臺的大量出現(xiàn)，投資者的風(fēng)險意識增強(qiáng)，紛紛轉(zhuǎn)大網(wǎng)貸平臺，較低的風(fēng)險對應(yīng)較低的收益率，從而拉低了行業(yè)整一方面，隨著相關(guān)法律法規(guī)的健全，監(jiān)管的加強(qiáng)，網(wǎng)貸平臺紛紛的區(qū)間，如下圖 3-4 所示為歷年網(wǎng)貸綜合收益率及平均期限。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋麗平;張利坤;徐瑋;;P2P網(wǎng)絡(luò)借貸個人信用風(fēng)險評估[J];財會月刊;2015年35期

2 顧慧瑩;姚錚;;P2P網(wǎng)絡(luò)借貸平臺中借款人違約風(fēng)險影響因素研究——以WDW為例[J];上海經(jīng)濟(jì)研究;2015年11期

3 李昌榮;胡斐斐;毛順標(biāo);;借款人在P2P小額貸款市場中的信用行為——基于博弈論的分析[J];南方金融;2015年09期

4 鄧雄;高勇;;英美P2P網(wǎng)絡(luò)借貸發(fā)展與監(jiān)管的比較分析與借鑒[J];新金融;2015年04期

5 張瑩;;P2P網(wǎng)絡(luò)借貸平臺的風(fēng)險防范研究[J];征信;2015年03期

6 王會娟;何琳;;借款描述對P2P網(wǎng)絡(luò)借貸行為影響的實證研究[J];金融經(jīng)濟(jì)學(xué)研究;2015年01期

7 孫同陽;謝朝陽;;基于決策樹的P2P網(wǎng)貸信用風(fēng)險評價[J];商業(yè)經(jīng)濟(jì)研究;2015年02期

8 廖理;李夢然;王正位;;聰明的投資者:非完全市場化利率與風(fēng)險識別——來自P2P網(wǎng)絡(luò)借貸的證據(jù)[J];經(jīng)濟(jì)研究;2014年07期

9 王會娟;廖理;;中國P2P網(wǎng)絡(luò)借貸平臺信用認(rèn)證機(jī)制研究——來自“人人貸”的經(jīng)驗證據(jù)[J];中國工業(yè)經(jīng)濟(jì);2014年04期

10 方匡南;章貴軍;張惠穎;;基于Lasso-logistic模型的個人信用風(fēng)險預(yù)警方法[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2014年02期

本文編號：2739462