基于logistic模型的P2P网贷借款人信用风险研究
摘要：从P2P平台信用风险角度出发, 以借款人风险控制为研究目标,立足于理论，建立logistic模型，结合最新数据，在软件系统的支撑下，探究P2P网贷借款人基本情况（年龄、职务、房产、收入）、借款产品信息(借款利率、借款期限、分期还款金额）和历史信用（信用评级、成功借款次数、逾期次数）对违约率的影响，通过计量经济学知识建模进行实证研究，得出相应结论 构建借款人信用评价指标体系, 并利用美国P2P网络借贷公司lengding club上的数据建立基于logistic回归的借款人信用风险评价模型，探究各因素对P2P网贷借款人违约率的影响，最后提出相关建议。
关键词：P2P平台信用风险；logistic模型；信用评价指标；
一、文献综述
目前国内外关于P2P网贷信用风险的研究主要是从“软信息”和“硬信息”两个角度来考察。软信息指的是某些无法诉诸纸面的信息, 例如借款人的性格、借款人朋友圈的质量等等。硬信息指的是能够用准确的指标或数值表示的信息, 如债务收入比、有无违约记录、是否有房产以及借款者每月还款金额等。
1.国外研究现状：
Tillman Bruett认为P2P网贷是一个新行业，它将传统借贷与互联网技术融合为一体。为了更好的对借贷人的信用程度进行分析，从而选择出信用度比较高的借贷人，P2P网贷平台需要借贷人所提供的信息要尽可能完整。Seth Freedman等对Prosper研究发现，相比于传统市场而言P2P网贷能节约操作成本。Seth Freedman认为在借款人方面，可见的风险随着时间推移会恶化。
Berger发现变成P2P网贷平台组织的一部分能够让成本有明显减少，社会资本和借款人的信用等级二者紧密关联，信用等级越低的借款人其违约概率偏高。Datta和Chatterjee研究发现，一个自发形成地出借组内会自然产生出组织者，这些组织者愿意挺身而出，有些人是因为其本身就是热心人，在组内其他成员服务的过程中得到了精神上的满足，并不在意物质的回报；另一些人纯是为了能获得报酬而负担起组织者的重任。出借组产生的组织者为了达成撮合交易的目的，会主动监督放贷过程，组织者也就从本质上演化成了新型中介。
Gonzalez等探讨了借款人上传的照片头像对P2P贷款决策的影响, 研究结果表明:借款人的性别、年龄和外貌会影响投资人对借款人信用的评估, 中年人对贷款的获得有积极的影响, 而上大学的年龄对贷款的获得有积极的影响。Lin等认为网络社会资本是借款人信用的一个重要信号, 网络社会资本较丰富的借款人获得贷款的可能性较大, 并且他们所需支付的借款利率较低, 违约风险也相对低。Emekter等利用Lending Club平台的数据进行了研究, 认为借款人的信用评级、债务收入比、借款期限等会对借款人的违约风险产生影响。Angelini等通过建立两个神经网络系统来进行信用风险评估, 利用意大利中小企业的数据实证了该系统可以成功地对借款人信用进行评估。Bekhet等构建Logistic回归模型和径向基函数模型对约旦商业银行信用进行评估, 并将这两种模型进行对比分析, 结果表明Logistic回归模型的整体准确率高于径向基函数模型。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
