信用立法视角下P2P网贷道德风险防范研究

互联网金融需要互联网征信.P2P网贷具有的双重信息不对称的特点导致网贷行业道德风险盛行,借助信用立法加强道德风险防范具有重要意义.现有网贷新规无法弥补我国信用立法和征信体系的缺陷,加之网贷行业信息优势方权义关系的不平衡,P2P网贷中借款人的道德风险依旧严重.借鉴美国借助信用立法规范道德风险的经验,我国P2P网贷监管应从完善信用立法的角度出发,加强顶层设计,加强互联网金融领域征信,要求网贷平台充分履行对外信息披露义务,并应加重信息优势方的法律责任.     

P2P网贷平台发展趋势研究

P2 P网络借贷作为互联网金融的一部分,近几年来在我国发展迅猛,但由于存在法律空白、监管缺失等问题,其发展的同时也遇到了一定的问题,导致成长受阻。随着监管细则的即将出台, P2 P平台未来的发展趋势备受关注。为了更好地预测P2 P网贷平台的发展趋势,本文运用系统动力学的相关知识建立了P2 P网络借贷平台的成长模型,并运用系统仿真的方法预测出P2 P平台的数量先是保持持续增长,之后会出现大幅下降。     

影响P2P网络借贷成功因素的实证分析

利用人人贷网络借贷的交易数据,采用二元Logit回归模型,研究影响网络借贷成功的因素。研究结果表明:借款金额、借款者信用等级、历史借款失败次数与投标能否完成呈负相关关系,借款期限、借款利率、借款者性别、年龄、工资状况以及身份审核项目数对投标能否完成有正向影响。P2P网络借贷是我国互联网金融发展的创新模式,通过对影响借贷成功因素的研究,能更好的帮助小微企业和个人成功融资,促使P2P网络借贷更加合理健康的运营。     

中国P2P网络借贷研究:分析框架、研究进展与未来展望

近年来,P2P网络借贷在我国取得了快速发展,并且作为金融创新的产物,它的发展也引起了学术界的广泛关注,相关研究逐渐增多。目前我国P2P网络借贷研究主要集中于三个方面:一是关于P2P网络借贷业态发展和运营模式的研究;二是关于网络借贷中融资可得性影响因素及借贷参与者行为规律的研究;三是关于P2P行业风险管理的研究。通过梳理该领域的研究框架和研究进展,可以发现还存在诸多不足,未来我国P2P网络借贷的研究方向将集中在以下三个方面:一是加强对信息技术和先进算法的研究与使用;二是进一步对借贷参与者行为规律进行深入挖掘;三是加强网络借贷中信息披露问题的研究。     

互联网金融背景下P2P网络借贷规范化发展——基于温州与江苏案例的比较研究

P2P网络借贷作为互联网金融背景下运用现代信息技术发展起来的金融运作新模式,能促进民间融资规范化和阳光化发展,并且能够有效地缓解中小微企业融资难、融资贵的困境,但也存在信用风险、经营风险以及市场风险。科学有效地监控与管理风险事关P2P网络借贷的未来发展。现有的比较有代表性的温州市民间借贷服务中心和江苏“开鑫贷”公司主营的两种P2P网络借贷服务平台模式,在主体地位、结算方式以及风险防控机制等方面形成各自特色。两种模式虽在降低借贷风险、减少借贷纠纷方面起到了积极作用,但仍存在覆盖率低、无相关针对性法律规范以及违约风险等规范化问题。因此,需要通过成立P2P行业协会加强行业自律,制定针对性监管条例进行规范,构建完整有层次的信用评级体系以促进P2P行业健康发展。     

P2P网贷市场演化：基于系统动力学的仿真研究

准确把握P2P网贷市场的演化规律,对其发展至关重要。采用系统动力学方法,综合考虑市场内外因素,建立P2P网贷市场演化模型并对P2P市场在2014年7月至2017年4月间的演化情况进行仿真。研究表明：未来的P2P网贷余额数量将逐步攀升,但受到竞争压力与监管力度变化的影响,其平台数量会不断减少,出现强者愈强的局面;网贷市场对政府监管力度的敏感程度较高,受政策的影响程度较大;提高P2P网贷市场的征信能力是增强其活力的重要途径。     

我国P2P网络借贷成功率影响因素研究

P2P(Peer to Peer)网络借贷是随着互联网发展而兴起的一种金融创新模式,近几年在我国发展迅速。P2P借贷行业高速发展的同时,借贷平台用户成功获得借款的比例却不高。基于拍拍贷平台和论坛数据利用Logistic模型计算订单成功率并判断各影响因素的相对重要程度。然后采用高斯混合聚类方法分析各影响因素在不同特征类别借款人群中的表现特征。结果发现,除了借款订单信息、借款人信用信息和人口特征信息外,网络社会资本也显著影响贷款成功率;总体样本中各变量的影响力从大到小排序为:投标数量、借款金额、借款人信用得分、手机认证、担保状态、朋友信用平均分、朋友人数、借款期限、视频认证、婚姻状况、借款利率和性别;各变量在不同特征类别的借款人群中表现有所不同。     

P2P网络借贷实证研究:一个文献综述

P2P网络借贷从其诞生之日起,由于其去中介化的运行模式,被作为一种全新的互联网金融模式受到研究者的广泛关注。加上大数据背景下的数据可得性,已形成一系列的实证研究成果。目前的P2P网络借贷实证研究主要集中于两个方面:一是针对借款人信息价值的研究,比较一致的结论是,凡是信息都是有价值的,无论是财务信息、个人特征或者社会关系有助于评估借款人的信用,那些需要高成本认证的信息价值更高;二是针对出借人投资行为的研究,出借人是否具有信息识别能力目前的研究结论并不一致,在出借人行为中也检验出本地偏好、羊群行为、学习能力和风险厌恶等传统金融市场上发现的投资者行为。我们提出了P2P网络借贷实证研究的未来方向:一是针对大数据环境下新信息的研究;二是传统商业银行的消费信贷与P2P网络借贷的对比分析;三是P2P网络借贷的国际比较分析。     

商业银行信用风险评估模型比较研究

信用风险评估是商业银行信用风险管理的首要工作和关键环节,信用风险的量化和模型化是现今信用风险研究的主要趋势,随着对信用风险评估模型领域的探索研究不断地深入,建立适合我国国情的商业银行信用风险评估模型刻不容缓.通过对西方商业银行信用风险评估模型的比较研究,指出其特征和优缺点,以期为我国商业银行信用风险评估模型的建立提供借鉴和参考.     

基于EGARCH-M波动模型的KMV信用风险度量研究

提高股权价值波动率精确度的KMV模型对上市公司信用风险状况具有较强的反映和识别的能力。利用所选数据,建立EGARCH—M波动模型,从而计算上市公司三年间每半年KMV模型的违约距离,并通过与KMV参数估计中其它两个常用波动模型的结果进行比较,实证结果表明EGARCH—M波动模型能较好地提高KMV模型的信用风险识别反映能力。     

基于熵值法的P2P网贷平台信用评级体系研究

通过搜集P2P网贷平台官网中信息披露的相关数据,运用相关性分析筛选出显著性较高的10个指标,构建网贷平台信用评级体系。结合熵值法对指标赋权,构建出一个简单适用的信用评级模型对平台进行评级,并以2007年成立的拍拍贷为实证对象,得到拍拍贷的最终评级结果为92分,对应等级为AA级,验证了该P2P信用评级体系的可操作性。     

基于神经网络及Logistic回归的混合信用卡评分模型

如何更好地对信用卡申请人进行识别和判断,提高银行预防和抵抗信用卡风险的能力,是所有银行迫切需要解决的问题。为了做出更高效、智能的判断,为决策者提供有效的决策支持,从而提高银行信用卡审批过程中资信评估的正确率及效率。本文提出结合神经网络及Logistic回归技术的混合模型,结合神经网络预测精度高及Logistic回归稳定性高的特性,对信用卡进行信用评分。实证分析的结果表明,混合模型的预测精度确实比单独使用神经网络模型和Logistic回归的预测精度高,证明了该方法确实是有效可行的。     

基于决策树法的我国商业银行信用风险评估模型研究

结合我国商业银行的实际,基于数据挖掘中决策树C4.5算法的分析框架建立了商业银行的信用风险评估模型,通过此模型可以根据贷款企业的财务指标,得出企业是否违约的分类。此分类将对商业银行信用风险控制工作具有很好的指导意义。还通过案例进行了实际的风险评估分析。     

基于主成分logistic回归模型的餐饮商务信息意识研究

数据挖掘技术日趋成熟,广泛应用于金融、地产、投资、评估等各个领域。数据挖掘技术亦可应用于餐饮业,为其经营决策做出分析。其他领域的数据挖掘的成功案例也可以引用到餐饮行业中。本文对餐饮人士在餐饮商务中是否具备信息意识、对信息意识的重视程度进行调查,利用数据挖掘中主成分分析和 logistic 回归处理和分析收集来的数据,从而说明数据挖掘在餐饮业管理中的重要意义,反映餐饮人士信息意识状况。利用数据挖掘技术对餐饮商务资讯进行管理势必提高企业效率和盈利水平,促进餐饮业健康稳定的发展。     

基于舆情分析视角的网络借贷问题平台甄别模型研究

从舆情分析视角,将多维度舆情信息纳入网络借贷平台风险分析范畴,针对不同类型的舆情信息采用不同文本处理方式,基于实验研究并结合内部平台基础信息指标与外部舆情信息指标,采用神经网络、支持向量机、随机森林和逻辑回归方法构建网络借贷问题平台甄别模型,验证舆情信息指标对甄别模型的性能提升作用.实验结果表明:第一,综合采用平台基础信息、运营信息和舆情信息进行网络借贷问题平台甄别,准确率更高;第二,相较于随机森林模型、支持向量机模型、逻辑回归模型而言,神经网络模型的甄别效果最佳.本研究有助于金融监管部门科学全面地了解网络借贷平台运营状况,并有针对性地开展精准化监管治理工作.     

基于神经网络和决策树相结合的信用风险评估模型研究

文章提出了一种将神经网络和决策树相结合的信用风险评估模型NN-DT。该方法依据属性重要性将贷款企业的财务指标进行排序,然后通过RBF神经网络进行属性裁减生成决策树,从而得出企业是否违约的分类。最后以判别分析以及C4.5 算法为参照方法进行了实证研究,结果表明,NN-DT模型显著地提高了预测精度。     

基于模糊神经网络的企业信用风险评估模型研究

根据浙江省企业信用评价指导性标准和规范所确定的企业信用评价指标体系,建立了模糊神经网络的企业信用风险评估模型。该模型中确定的模糊规则层具有自调节的功能,可以较好地实现对企业信用风险的评价。利用MATLAB2010a编程对样本数据进行实证分析,结果表明模糊神经网络评价企业信用风险具有较高的准确性和稳定性。