小额借贷公司个人贷款信用风险评估开题报告

1. 研究目的与意义

网络借贷有借贷笔数量大、额度门槛低和投资人分散等特点，需要更为智能的方法处理海量的贷款申请，对贷款个人进行全方位的个人信用评估，而互联网金融有着天然的大数据优势，可以利用互联网中的大数据来完善 P2P 网络借贷平台信用风险评估体系，帮助 P2P 网络借贷平台有效识别和控制信用风险。

促进行业健康、稳定的发展，进而缓解我国中小微企业融资困难、普通投资者投资渠道缺乏、个人信用体系不健全等一系列难题，本文将通过获取网络借贷平台-人人贷公布的借贷数据，在全面的分析 P2P 网络借贷平台的信用风险的基础上，采用 Logistic 回归模型对信用风险度量进行深入的评估和研究，希望能够丰富 P2P 网络借贷行业个人信用风险管理理论。

2. 研究内容和预期目标

（1） 网络贷款信用风险的理论分析，同时分析了这种信用风险可能存在的影响和危害，并且就本文的研究内容选择适合的分析方法（2）通过对 P2P 网络借贷平台人人贷个人借款标的真实数据进行统计分析和相关性分析，并采用 Logistic 回归模型对 P2P 网络借贷个人信用风险评估指标进行研究。

3. 国内外研究现状

（1）国外研究现状：在 p2p 网络借贷平台信用风险方面：akerlof (1970)、 stiglitz and weiss(1981)、freedman and jin（2011）认为由于信息的不对称性会滋生逆向选择和道德风险的问题，借款人会故意隐瞒对自己不利的信息来获取贷款，进一步提高了信息不对称的程度和逆向选择的问题，进而导致借贷市场的危机，如近期的美国金融危机；steelmann（2006）和 weissetal（2010）指出网络借贷经营模式的共同特征是交易的匿名和信息的不对称，这种互联网金融固有的特征决定了网络借贷信用风险的必然性，也使得投资人评估借款人风险的难度增加。

（2）国内研究现状：袁羽（2014）采集了 prosper网站上公布的网络借贷交易数据，通过混淆矩阵的计算验证了 logistic 回归模型能够有效度量 p2p 网络借贷中的个人信用风险，并利用 logistic 回归模型，通过训练数据和测试数据对借款人的工作收入、信用等级等 11 个解释指标构建出信用评价模型，且预测的准确率高达 65%。

王梦佳（2015）通过 logistic 回归模型对 p2p 网络借贷个人信用风险的相关因素进行了全面的分析，发现借款人的性别、年龄、借款期限和所属行业对其借款违约的影响极小，而借款人学历、婚姻状况、工作时间、工作收入和利率等对借款违约的影响较大。

4. 计划与进度安排

（1）文献研究，通过查阅相关国内外研究文献，了解目前国内外在 p2p 网络借贷平台行业，特别是对于网络借贷个人信用风险控制方面的研究进展。

（2）数据收集和分析。

查阅和抓取国内人人贷披露的个人借款标的的相关信息作为本文的分析研究数据。

5. 参考文献

[1] 李雪静．国外 P2P 网络借贷平台的监管及对我国的启示[J]．金融理论与实践，2013（7）.[2] 黄震，何璇．P2P 网络借贷平台的法律风险及防范[J]．金融电子化，2013（2）.[3] 钱金叶，杨飞．中国 P2P 网络借贷发展的现状及前景[J]．金融论坛，2012（1）.[4] 何德旭．网络借贷平台的风险与监管[J]．武汉金融，2013（8）.[5] 王腊梅．论我国 P2P 网络借贷平台信息披露制度的构建．南方金融，2015（7）.[6] 刘帅．浅议 P2P 借贷与自愿性信息披露[J]．会计师， 2015（12）