發(fā)布時間：2020-10-31 05:11

　　 P2P網(wǎng)絡(luò)借貸自從在我國興起以來,發(fā)展勢頭極其迅猛。在2018年,我國P2P網(wǎng)絡(luò)借貸行業(yè)不僅開發(fā)了很多與國外不同的新運(yùn)營模式,并且其憑借著借貸高效快捷,收益高,門檻低等優(yōu)勢迅速發(fā)展壯大。但是隨著該行業(yè)蓬勃的發(fā)展,問題也是頻頻爆出,例如:“跑路”、“提現(xiàn)困難”、違約等。這些問題主要是因為P2P網(wǎng)絡(luò)借貸是個新興行業(yè),發(fā)展又及其迅速,相應(yīng)的法律法規(guī),征信體系,監(jiān)管體系等配套體系的發(fā)展與完善沒有相應(yīng)跟上,而我國P2P借貸行業(yè)又根據(jù)本國特色開發(fā)出一些國外沒有的新運(yùn)營模式,使國家與企業(yè)很多時候都是“摸著石頭過河”。在大數(shù)據(jù)智能風(fēng)控方面,我國沒有完善的征信體系,各個P2P網(wǎng)貸平臺對自身的風(fēng)控投入不夠并且不愿披露交易數(shù)據(jù),所以導(dǎo)致我國學(xué)者對P2P網(wǎng)貸過程中信用風(fēng)險的量化分析過少。在智能風(fēng)控建模方面,也由于缺少網(wǎng)貸真實交易數(shù)據(jù)導(dǎo)致選取模型與優(yōu)化方面缺少實證研究。通過對P2P網(wǎng)貸平臺真實交易數(shù)據(jù)進(jìn)行研究與分析,可以證實一些風(fēng)險評估與風(fēng)險控制的相關(guān)理論并提出新的思路,進(jìn)而對我國整個P2P網(wǎng)貸行業(yè)提出更加切實有效的風(fēng)險控制建議與措施。同時在樹立投資人與借款人理性思考、建立完善的P2P網(wǎng)貸信用評估機(jī)制以及保證整個P2P網(wǎng)貸行業(yè)可持續(xù)發(fā)展上有極其重要的實際意義。本文通過文獻(xiàn)分析法,將近些年的國內(nèi)外對于P2P網(wǎng)貸過程中風(fēng)險的成因、預(yù)防和控制方面的研究進(jìn)行了整理與總結(jié),得出當(dāng)前P2P網(wǎng)貸中幾個主要問題。通過對借款人違約率影響因子進(jìn)行介紹與比較,最后選取借款金額、利率期限、年齡、月薪、性別、車產(chǎn)、車貸、房產(chǎn)、房貸、婚姻狀態(tài)、職位、學(xué)歷,作為評估借款人違約率的影響因子。通過對當(dāng)前幾種主流評估方法進(jìn)行闡述與比較,得出各種評估方法在應(yīng)用上的優(yōu)缺點,最后選取BP神經(jīng)網(wǎng)絡(luò)、邏輯回歸、支持向量機(jī)三種評估方法以及上述借款人違約率因子作為參數(shù)進(jìn)行建模。以錢包金服滿標(biāo)歷史數(shù)據(jù)進(jìn)行實證研究,進(jìn)行借款人違約率預(yù)測評估,通過比較分析后發(fā)現(xiàn),應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建模的評估預(yù)測率最高,擬合時間與次數(shù)也最少。而應(yīng)用邏輯回歸進(jìn)行建模雖然預(yù)測率不如BP神經(jīng)網(wǎng)絡(luò),但是可以獲得各個參數(shù)(借款金額、利率期限、年齡、月薪、性別、車產(chǎn)、車貸、房產(chǎn)、房貸、婚姻狀態(tài)、職位、學(xué)歷)對借款人違約率影響的權(quán)重大小,因而進(jìn)一步證實了國內(nèi)外學(xué)者對借款人違約率因子的分析結(jié)論。最后,結(jié)合國內(nèi)外文獻(xiàn)以及本文的實證分析,在P2P網(wǎng)貸平臺自身與國家政府管理兩個方面,提出一些關(guān)于我國P2P網(wǎng)貸信用風(fēng)險控制方面的積極建議與措施。希望為我國P2P網(wǎng)貸行業(yè)的健康發(fā)展做出一定貢獻(xiàn)。
【學(xué)位單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F832.4;F724.6
【部分圖文】：

依賴互聯(lián)網(wǎng)技術(shù)，所以相應(yīng)的高科技手段隨之應(yīng)用于產(chǎn)生。當(dāng)然由于是新興產(chǎn)業(yè)，各方??監(jiān)管措施都不完善，導(dǎo)致風(fēng)險也隨之而來。截止到２０１８年７月累計平臺數(shù)達(dá)到了?６３８５??家，累計增長率為０．７７，如圖２－１所示，其中上海、北京、浙江成交量占比較大，如??圖２＿２、圖２＿３所不。??勞：！這臺數(shù)量士節(jié)ｉ平臺長至！＿蒙計罕臺數(shù)曼：＇：累ｉｒｆ？〒會達(dá)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??圖２－１平臺數(shù)量（數(shù)據(jù)來源于網(wǎng)貸之家）??但是隨著中美貿(mào)易戰(zhàn)的拉開，不良的國際經(jīng)濟(jì)形勢導(dǎo)致我國的經(jīng)濟(jì)受到影響，金融??業(yè)遭到?jīng)_擊，Ｐ２Ｐ網(wǎng)貸交易中“暴雷”，“跑路”現(xiàn)象頻頻出現(xiàn)，更令人擔(dān)憂的是問題??平臺的數(shù)量仍存在不斷增加的趨勢。從２０１６年１月份的問題平臺數(shù)１２９２家到２０１８年７??月的２３０５家，數(shù)量己經(jīng)翻倍�；ヂ�(lián)網(wǎng)金融的投資綜合預(yù)期收益率與成交量也在持續(xù)減??少，從２０１７年７月份最高峰成交量２４９５到２０１８年７月份的成交量１４４７。如圖２－４所??示。??１３??

其態(tài)?Ｈ０．８８Ｅ元?－３２％?３９２家－燋?１５家?紹２家?１４家?Ｓ４５家?４９５，７７億元?瓜０３％?５．０４月談９１萬人覽２９方人??圖２－３地區(qū)成交數(shù)據(jù)（數(shù)據(jù)來源于網(wǎng)貸之家）??尤其在２０１８年的６、７月是其發(fā)展史上的“至暗時刻”。有部分平臺高管用‘短暫??性休克’來形容７月以來的行業(yè)危機(jī)。如果本輪爆雷潮不加引導(dǎo)甚至干預(yù)，有可能會演??變成行業(yè)行業(yè)性的系統(tǒng)性危機(jī)�！氨住背毕�，整個行業(yè)遭遇了最嚴(yán)重的危機(jī)。根據(jù)網(wǎng)??貸天眼提供的數(shù)據(jù)統(tǒng)計，７月問題平臺共有２５３家，這一數(shù)字是上個月的２．?８７倍，為近??幾個月以來的最大值。根據(jù)統(tǒng)計結(jié)果顯示，７月問題平臺的類型主要以提現(xiàn)困難、平臺??失聯(lián)為主，警方介入、停業(yè)或轉(zhuǎn)型、平臺詐騙現(xiàn)象仍占相應(yīng)的比例。其中，提現(xiàn)困難平??臺共計１２１家，占比４７．?８３％，包括啄米理財、資本在線等平臺；平臺失聯(lián)的共有包括卓??安ｅ貸、賺吧理財?shù)仍趦?nèi)的９７家

??圖２－２全國及各地區(qū)借款額成交量占比（數(shù)據(jù)來源于網(wǎng)貸之家）??全國?１４４７．Ｓ４１Ｚ?元－１Ｓ％?１６４５家?４０％?５３家?２４３Ｓ?家?１６５家?Ｂ０５家?９Ｓ６１．４８＃蓿墸梗?罰叮ィ墸保玻?顯攏牐常常矗?常賜蛉耄牐常罰擔(dān)?保吠倘耍崳?廣東?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?億元?－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?萬人?０２歷人：??．惡匕?８．４￡元?－４０％?４４?莩－１４％?茂?ＳＢＷ．?２?冢?５?嫁?６２．１１Ｓ?元?１２７１％?６．５月?２．Ｂ?萬入?３．Ｇ３?萬入??＿１！?４３８＾?－５５％．?２８?冢－１０％?０?冢?Ｓｉ?冢?１?家?６４?家?ｉ５．Ｇ９?億元?Ｕ０７％?６Ｊ８?月?３
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張進(jìn)紅;顧小明;;對新常態(tài)下商業(yè)銀行擔(dān)保圈貸款風(fēng)險管理的探索和思考[J];現(xiàn)代金融;2016年10期

2 王全美;;住房公積金管理中心貸款風(fēng)險管理[J];經(jīng)貿(mào)實踐;2016年11期

3 高淑蘭;;住房公積金貸款風(fēng)險分析及防控措施[J];共產(chǎn)黨人;2017年15期

4 靳純平;;新時期下銀行貸款風(fēng)險管理與防范對策[J];現(xiàn)代經(jīng)濟(jì)信息;2013年02期

5 高鐸山;徐和陵;汪之崳;;農(nóng)發(fā)行中長期貸款風(fēng)險管理問題研究[J];現(xiàn)代金融;2009年01期

6 張建江;;強(qiáng)化隱性貸款風(fēng)險管理初探[J];山西廣播電視大學(xué)學(xué)報;2009年05期

7 李興燕;理性看待貸款風(fēng)險管理[J];時代金融;2005年03期

8 朱年孝;貸款風(fēng)險管理重在關(guān)注第一還款來源變化[J];金融信息參考;2004年11期

9 李百翔;;怎樣理解加強(qiáng)貸款風(fēng)險管理問題[J];農(nóng)業(yè)發(fā)展與金融;2004年06期

10 程永太,牛晉剛;信用社貸款風(fēng)險管理的意義[J];經(jīng)濟(jì)師;2002年09期

相關(guān)碩士學(xué)位論文 前10條

1 廖聰;北京銀行貸款風(fēng)險管理優(yōu)化研究[D];湘潭大學(xué);2018年

2 鄭海峰;A農(nóng)商銀行Q支行的中小企業(yè)貸款風(fēng)險管理研究[D];電子科技大學(xué);2019年

3 唐熠;昆明市X農(nóng)信社個人消費(fèi)貸款營銷策略研究[D];云南大學(xué);2018年

4 張春錕;青島WB銀行對公貸款風(fēng)險管理優(yōu)化的研究[D];吉林大學(xué);2019年

5 左旭昭;基于個人網(wǎng)絡(luò)貸款的信用風(fēng)險研究[D];對外經(jīng)濟(jì)貿(mào)易大學(xué);2019年

6 鄧宇;P2P網(wǎng)絡(luò)貸款業(yè)務(wù)信用風(fēng)險評估與控制[D];華北電力大學(xué)(北京);2019年

7 劉怡彤;中國農(nóng)業(yè)銀行MD分行農(nóng)戶貸款風(fēng)險管理問題研究[D];東北石油大學(xué);2019年

8 符豪;融焺貸款業(yè)務(wù)風(fēng)險管理系統(tǒng)設(shè)計與實現(xiàn)[D];大連理工大學(xué);2018年

9 楊曉暉;國家開發(fā)銀行云南省分行棚改項目貸款風(fēng)險管理方案設(shè)計[D];蘭州大學(xué);2017年

10 劉欣;A商業(yè)銀行小微企業(yè)貸款風(fēng)險管理改進(jìn)研究[D];廈門大學(xué);2018年

本文編號：2863489