P2P网贷平台借款人信用风险评估模型适应性研究

本文对比分析了基于Logistic回归、决策树、随机森林、支持向量机和神经网络的个人信用风险评估模型,并在此基础上提出了采用4种机器学习算法综合筛选重要变量再建立Logistic回归模型的两阶段组合模型。应用这一模型对"人人贷"平台借款人数据进行实证研究。结果表明:该模型相较于Logistic回归模型有着更高的精确度,克服了数据维度及定性变量数量的限制,而且提高了单一机器学习算法的指标解释能力,说明基于机器学习算法的Logistic回归模型对P2P网贷平台的借款人信用风险评估有更好的适应性。     

我国P2P网贷平台竞争力评价研究

基于资源基础论和企业能力理论,结合网贷平台特点,从资源和能力两个维度构建网贷平台竞争力评价体系,同时借鉴柯布道格拉斯生产函数,建立网贷平台竞争力评价模型,运用层次分析法和熵权法对其进行测算,基于2015年30家网贷平台数据进行实证分析,进而揭示当前影响网贷平台核心竞争力的因素。[]P2P     

P2P校园网贷平台模式研究

本文在分析P2P网贷平台发展现状,国内外发展状况对比和优缺点的基础之上,对于P2P在校园内的网贷平台的运营模式进行介绍,并且阐述了该校园内网贷平台是如何规避P2P传统网贷平台所带来的风险。之后,从盈利性和安全性两个方面具体分析了这种新模式的优点及对投资者的保障。     

基于机器学习模型的P2P网贷平台风险预警研究

本文利用大数据网络爬虫技术收集了网贷第三方网站平台的公开数据,利用机器学习模型对网贷平台的非法集资风险进行了预警研究,比较了传统机器学习方法(以逻辑回归和决策树模型为代表)与前沿机器学习模型(以随机森林模型和XGBoost模型为代表)在多个预测指标上的静态预警效能,并在动态预警框架下研究了网贷平台全生命周期内各模型的动态预警效果。研究表明,传统与前沿机器学习模型均表现出了优良的预警效果,传统模型的准确率略低于前沿模型,但决策树模型在重要检出率指标上的表现优于其他模型。在动态预警框架下,本文发现在平台全生命周期内,所采用机器学习模型的预警效果随时间的变化呈现波动上升并在2017年后缓慢下降的趋势。虽然该趋势与我国网贷行业的发展和监管现状相符,但也表明预警模型的使用者应积极寻找表外指标,进一步挖掘网贷平台的深层次指标以稳定预警效果。     

P2P网贷平台发展影响因素研究

近年来,P2P网络借贷在中国迅猛发展,吸引了越来越多学者的关注。本文运用多元线性回归的方法,对P2P网贷平台发展影响因素进行研究。研究表明:平台的成交量、平台的投资人数、平台的风控能力、平台的透明度都是影响平台的发展水平的重要因素;平台的投资人数对P2P网贷平台发展的影响最大,次之是平台透明度,平台成交量以及平台风控能力对P2P网贷平台发展的影响相对较小。     

基于用户偏好的P2P网贷平台评价模型的建立

近年来,P2P网贷平台跑路事件时有发生,规范管理P2P网贷平台迫在眉睫。建立P2P网贷评价系统,能使P2P网贷平台数据透明化,同时过滤一些不规范平台,保障投资者利益。本文采取层次分析法,文献资料法,实证研究法,比较分析法以及模型建立法,建立了一个评价P2P网贷平台综合性质的模型。希望该模型日后可以推广应用于其他类型互联网金融产品的评价。     

我国P2P网贷平台的法律问题分析

P2P网贷最早产生于英美国家,在健全的信用体系基础上,其模式主要是线上个人对个人。而在P2P网贷平台进入我国后发生了一些变异,这是因为我国传统金融的垄断性以及征信体系的不健全所造成的。我国P2P网贷平台法律制度的完善不能照搬国外,必须把握二者的区别。     

P2P网贷平台引入外部审计的研究分析

015年"互联网+"正式的出现在政府工作报告中,这意味着"互联网+"正式被纳入顶层设计,成为国家经济社会发展的重要战略。而P2P金融模式作为互联网金融的重要组成部分,逐渐引起人们的关注。但在经历了粗放发展期后,也同时暴露出了很多诸如平台倒闭、跑路、非法集资等风险,引起了监管层的注意。因此,为了P2P网贷的持续健康发展,有必要对P2P网贷平台发展过程中暴露出的风险加以管控,引入外部审计。     

P2P网贷平台借款人信用风险影响因素研究

本文分析影响P2P网络借贷借款人信用风险的影响因素,并且利用"新新贷"等P2P网贷平台上的数据做实证分析,结果发现,P2P网络借贷借款人的学历、婚姻、房产、车产、工作情况和提供的材料数量对借款人的信用风险均有显著的正向影响,婚姻和工作情况的影响较大。最后,针对P2P网贷平台借款人信用风险提出对策建议。     

基于DCC-GARCH模型的P2P网贷利率溢出效应研究

P2P网贷利率作为互联网金融市场价格体系核心,其溢出效应在很大程度上反映了互联网金融发展演进影响下的宏观经济运行状态。本文在系统回顾P2P网贷利率微观机制与宏观效应文献基础上,通过Granger因果关系检验并构建多元DCC-GARCH模型,实证分析了我国P2P网贷利率与正规金融市场利率的动态关联关系。研究发现:首先,P2P网贷利率波动具有聚集性特征,相对较高的利率水平并未明显改善非金融企业部门的融资困境;其次,Shibor基准利率对于P2P网贷利率与中债国债利率都具有引导作用,然而与中债国债利率存在双向溢出效应,且动态相关性更强,与P2P网贷利率仅存在单向溢出效应;第三,P2P网贷利率与中债国债利率动态关系不显著,表明我国正规金融市场与非正规金融市场之间仍然存在着结构失衡与人为分割;最后,本文从健全外部监管体制、完善内部运营机制两个层面提出针对性建议。     

基于ARIMA—SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999—2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。     

基于组合预测模型的我国能源需求预测分析

本文根据预测理论,结合我国历年能源消费的相关数据,分别采用多元线性回归方法、灰色预测、指数模型方法建立我国能源需求的单项预测模型,并对各单项模型的结果进行分析比较和检验,然后采用误差平方和最小法进行权重分配,建立了我国未来能源需求量的组合预测模型,最后,应用该模型对我国未来10年的能源需求量进行预测,结果表明：组合预测的精度要远远优于单项预测;我国未来10年的能源需求仍呈现较快的增长趋势。     

Textual sentiment of comments and collapse of P2P platforms: Evidence from China's P2P market

Textual sentiment affects the investment activities of investors in traditional financial markets. Peer-to-Peer (P2P) lending market, as one of the emerging and active Internet financial markets, has recently received considerable attention from academia. However, few related studies are available. This work examines the relationship between the textual sentiment derived from investors’ comments on P2P platforms and probability of platform collapse. We collect comments from an authoritative Chinese third-party P2P lending consulting platform and use a weakly supervised convolutional neural network to calculate the textual sentiment of each comment. Empirical results show that the extracted textual sentiment has a significant influence on a P2P platform's collapse. Furthermore, the “agreement” and “disagreement” from other investors of each comment are pivotal in predicting a P2P platform's failure. We find that the textual sentiment of comments regarding P2P platforms from investor communities provide insights into predicting platforms’ collapse in the near future.     

金融危机研究模型与预测问题研究

本文回顾了金融危机形成理论的研究方法和研究模型,发现这些模型有两个重要的缺陷:即脱离了危机前宏观经济恶化的实际,同时把政府在经济恶化后的经济政策外生于模型之外,从而导致了危机理论只能解释危机而无法形成正确的预测。本文认为金融危机是市场缺陷在宏观经济恶化条件下的放大,是不适当的宏观经济政策的必然结果,现代金融条件下金融体系的脆弱性增加了金融危机爆发的频次和危害性。     

P2P网络借贷平台发展趋势分析

P2P网络借贷平台作为互联网金融业态的重要形式,以其不受时间和空间限制的灵活性,低廉的操作成本,越来越得到小微企业和个人贷款用户的青睐,其业务内容已经从早期的借贷信息发布和交易撮合向其它借贷和金融服务范畴发展,其服务形式、交易模式、风险控制方法也不断变化,与银行等金融机构合作逐渐深入,成为传统金融机构的有利补充。本文通过对上海地区P2P网络借贷企业的调研,从P2P业务所面临的问题,其发展过程中存在的消极和积极因素,客户需求和政策影响等内容出发,对P2P平台的发展趋势进行分析。     

公开竞标的贷款定价方式对P2P借贷平台的优化作用

P2P借贷是一种金融创新模式,将互联网技术与民间借贷相结合。互联网信贷的巨大需求推动P2P借贷平台的爆发式发展,而P2P借贷发展核心的两个问题是信用评级和风险定价。由于我国未完全实现利率市场化,P2P平台采用的是量化借款人信息的方式计算贷款利率。信息不对称导致P2P平台的贷款利率不能充分反映借款人风险,同时造成信誉良好的借款人不能获得低成本的贷款。文章利用拍卖机制模型对公开竞标的贷款定价方式进行探究,认为公开竞标方式可以改善信息披露,降低借款人的成本,借款人和投资人在公开竞标的贷款定价方式下都可以获得灵活的选择空间,从而提高借贷成功的比例。     

我国P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析

P2P(peer-to-peer)网络借贷是一种借助网络平台,由个人与个人间互为借贷双方的小额借贷交易。它作为互联网与民间借贷相结合的新兴金融模式,具有较高的信用风险。采用排序选择模型,基于 ex-celVBA 数据挖掘技术截取多个 P2P 网站数据,对平台信用风险的影响因素进行实证分析,结果表明：个人特征、信用变量、历史表现、借款信息分别对网络借贷信用风险存在正向影响,由此发现网站提供的信息对投资者避免信用风险没有起到实质作用。     

P2P平台的信息不对称问题国外研究综述

信息不对称问题是困扰P2P平台发展的主要问题之一。论文重点梳理了国外学者P2P平台的信息不对称问题的研究以及由信息不对称问题引发的风险,之后针对P2P平台信息不对称问题,论文重点梳理了国外学者针对该问题的解决方案———“集体信贷”模式。最后,论文提出缓解P2P平台解决信息不对称问题的政策建议。     

The Application of Corporate Governance Indicators With XBRL Technology to Financial Crisis Prediction

ABSTRACT

The widespread adoption of eXtensible Business Reporting Language (XBRL) suggests that intelligent software agents can now use financial information disseminated on the Web with high accuracy. Financial data have been widely used by researchers to predict financial crises; however, few studies have considered corporate governance indicators in building prediction models. This article presents a financial crisis prediction model that involves using a genetic algorithm for determining the optimal feature set and support vector machines (SVMs) to be used with XBRL. The experimental results show that the proposed model outperforms models based on only one type of information, either financial or corporate governance. Compared with conventional statistical methods, the proposed SVM model forecasts financial crises more accurately.     

基于小波神经网络的Shibor预测研究

上海银行间同业拆放利率(Shibor)的推出是中国利率市场化重要的一步。在阐述了Shibor的背景、功能以及对经济发展的重大意义之后,分别建立了小波神经网络和回归时间序列组合模型对2周品种Shibor进行预测对比分析,研究结果表明,小波神经网络的拟合和预测精度较高,具有一定的科学性和实用性。