1. 研究目的与意义（文献综述）

p2p也称为个人对个人贷款，允许个人在基于互联网的平台上直接贷款或相互借贷，而无需传统的金融中介的介入，它具有门槛低，使用快捷，利润高等特点，然而，它同样存在着许多问题，如平台出现的跑路、倒闭现象，对于中小型企业以及平台投资者来说最重要的一点在于平台存在着很大的信用风险，又因为借款人是交易过程中风险发生的主要因素，因此对借款人的信用风险评估显得尤为重要。大学生作为一个具有良好价值观的群体，具有良好的信誉，但是恶性网贷事件却在大学生身上频发，说明大学生对p2p网贷这种新型的贷款方式不够了解，也说明网贷平台缺乏科学性规范性的风险评估体系去限制不良贷款，而传统的商业银行信用风险评估体系并不适用于大学生这一群体，因此一个针对大学生可靠的风险评估体系^[1]就显得尤为重要。

本文通过研究大学生网贷情况，运用统计学的基本原理与方法，在综合考虑借款人的基本信息、履约能力、借款产品、信用历史以及在校情况下的影响因素^[2]，建立大学生网贷信用风险评价指标体系^[3]，并基于相关指标数据，建立回归模型以提取影响大学生网贷违约率的指标^[4]，最后建立信用风险评级模型，并根据判别结果为平台投资者以及借款人提出相应的建议意见。

p2p网贷作为一种新型的金融模式，引起了广泛关注，学术界以及金融专家都对其进行了系列研究，在于个人信用风险评价指标体系的建立上有了较成熟的理论。cinca等^[5]分析了影响违约率的主要因素，他们从贷款目的、年收入、当前住房情况、信用记录和债务方面，通过logistic回归预测违约，进而找出最具预测性的违约因素。riza等^[6]发现信用等级、债务收入比、fico得分在贷款违约中起着重要作用。钱舒婷和王刚贞^[7]将评价借款人信用的指标分成借款信息、借款人资产、借款人职业、借款人基本信息、借款历史表现等5大类，利用层次分析法建立借款人信用递阶层次模型，分析得出借款人信息影响最大，借款人历史表现影响最小。朱文倩^[8]通过描述性统计分析以及k-means聚类研究，将借款人的信用情况划分为五个等级，后又对其进行判别分析，发现借款人的年龄、收入、工作年限、房产和逾期次数对分类影响较大。张冉^[9]通过建立组合模型，运用随机森林以及logistic回归预测选取借款人的有效预测指标，并将这些指标作为输入变量代入神经网络模型，对单一模型进行适当的组合，得到精确度较高的个人信用风险评价模型。

2. 研究的基本内容与方案

(1) 选取网贷平台的大学生网贷数据作为研究样本，通过查阅相关文献确定基本信息、履约能力、借款产品、信用历史、在校情况下的评价指标，构建大学生网贷信用风险评价指标体系；

(2) 基于信用风险评价指标体系，搜索与违约行为相关数据，数据来源于网贷平台，对获取的数据进行量化处理以适应模型的需求；

(3) 利用Lasso-logistic回归模型，构建信用风险评级模型，筛选出影响大学生违约的指标因素；

(4) 根据分析结果，为平台投资者以及特定借款人提供一定的建议意见。

3. 研究计划与安排

第1－3周：查阅有关大学生网贷信用风险评价模型方面的文献资料, 明确研究的主要内容, 了解研究所需理论知识和方法, 并温习所学过的概率论、统计学、多元统计分析和统计预测与决策等知识和方法。

第4－5周：翻译相关的英文文献, 确定研究方案, 撰写毕业论文开题报告。按时完成毕业设计（论文）周记, 按照指导老师的意见认真改正自己的不足之处。另外, 还要完成任务书的撰写工作。

第6－9周：进一步温习多元统计分析方法和数学建模, 以期望在撰写论文过程中能够深刻理解和灵活运用。对样本数据进行整理和分析, 利用spss软件和r软件分析样本数据的统计特征并进行处理, 对得到的新数据进行量化处理。完成毕业设计（论文）中期进展情况检查表和粗纲。

第9－12周：利用层次分析法构建大学生网贷信用风险评级模型，并根据得到的结果结合实际情况做进一步分析。向指导老师展示第一阶段成果, 听取相关意见。在此基础上, 撰写论文初稿。

4. 参考文献（12篇以上）

1. 胡嘉诚, 赵雅贤, 崔建平. 大学生网贷信用风险评估与对策[j]. 商情, 2018,(17): 63-64.

2. 苏亚. p2p网贷借款人信用风险影响因素研究[d]. 南京: 南京师范大学, 2017.

3. 石庆焱, 靳云汇. 个人信用评分的主要模型与方法综述[j]. 统计研究, 2003,(8): 36-39.

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付