互联网金融个人信用评价方法研究

　　网络借贷信用评价能够有效地缓解借贷双方间的信息不对称性，降低违约风险和交易成本。然而，网络借贷业务中借款人的财务信息获取和验证难度较大，给传统的基于财务信息的信用评价方法带来巨大的困难。事实上，网络环境下，借款人的信用相关数据不仅包括财务信息，也包括非财务信息。这些非财务信息广泛分布在不同的网络平台中，具有体量大、价值密度低和质量参差不齐等特点，给网络借贷信用评价研究带来新的挑战。为此，本文在综述信用评价相关理论与方法的基础上，结合网络借贷业务的特点，从信用评价的数据预处理、信用特征选择和信用评价模型构建三个方面，对网络借贷业务的信用评价问题展开研究。

　　梁坤，男，1985年9月。毕业于合肥工业大学管理学院，现在安徽大学商学院任教。主要研究方向为大数据分析与信用风险评价。本稿为教育部人文社会科学基金项目《P2P环境下的协同信用评价模式与动态评价方法研究》成果。

第1章 绪论
1．1 研究背景及意义
1．2 研究内容与研究方案
1．3 本书组织结构与章节安排
第2章 国内外研究现状与相关理论
2．1 国内外研究现状
2．2 信息不对称理论
2．3 信用理论
2．4 社会资本理论
2．5 协同信用评价理论
2．6 信用评价模型
第3章 互联网金融个人信用评价数据预处理方法
3．1 问题的提出
3．2 基于分类多重填补的信用评价数据缺失值处理方法
3．3 信用评价数据的异常值处理方法
3．4 数据预处理实验研究
3．5 不均衡数据处理
3．6 数据离散化处理
3．7 本章小结
第4章 互联网金融个人信用特征选择方法
4．1 问题的提出
4．2 融合社会资本的信用特征定性选择方法
4．3 基于综合定量分析的信用特征筛选方法
4．4 实例分析
4．5 本章小结
第5章 互联网金融个人信用评价模型
5．1 问题的提出
5．2 基于分歧度与误分代价的Adaboost信用评价模型构建
5．3 基于协同分析模式的跨业务信用评价模型
5．4 本章小结
第6章 案例研究——以某平台的互联网金融业务为例
6．1 平台简介
6．2 信用评价数据预处理
6．3 信用特征的定量筛选
6．4 信用评价模型构建
6．5 基于社会资本的授信决策分析
……
第7章 互联网环境下融合文本语义信息的信用评价方法研究
第8章 融合软信息的互联网金融平台信用风险预测研究
第9章 总结与展望
参考文献