基于集成学习的互联网消费金融信用评价研究

　　除导论外，本书共分五章，其主要内容如下：章，研究的理论基础。第二章，中国互联网消费金融和征信市场发展现状。第三章，互联网消费金融信用评价指标体系的构建。第四章，互联网消费金融信用评价模型。结论与展望。这是本书的重要内容，信用评价模型包括违约概率模型和信用评分转换两部分。第五章先总结了本书的主要结论，然后分析了本书所作研究的适用领域，很后，根据测试中发现的问题和互联网消费金融业务发展的实际状况，指出了模型存在的不足之处，再由此提出未来可能的改进方向。

　　张科，南京大学经济学博士，加州大学伯克利分校访问学者。一直从事行为金融、投资者学习效应、自然语言处理和社会网络分析等方面的研究，曾参与多项与行为实验、投资者行为和社会互动相关的国家自科和社科基金项目。曾多次在“美国金融学年会（AFA）”“中国金融学年会”以及“金融系统工程与风险管理年会”等国内外重要学术会议上做报告，并在Journal of Business Ethics、Review of Asset Pricing Studies、Electronic Cornmerce Research and Applications、《管理科学学报》《南开管理评论》《经济管理》等国内外期刊发表论文多篇。

第一章 导论
第二章 研究的理论分析框架
第一节 信用评价的相关理论
第二节 集成学习的相关理论
第三节 个人信用评价的方法
本章小结
第三章 互联网消费金融信用风险分析
第一节 互联网消费金融概况
第二节 中国个人征信市场概况
第二节 互联网消费金融信用风险
第三节 互联网消费金融信用风险的博弈分析
本章小结
第四章 互联网消费金融信用评价指标体系
第一节 基于集成学习的指标体系构建
第二节 数据选取和分析
第三节 测试结果与有效性
本章小结
第五章 互联网消费金融信用评价模型
第一节 基于集成学习的违约概率模型构建
第二节 模型测试与效果评价
第三节 与其他违约概率模型的比较
第四节 违约概率模型的选定与信用评分计算
本章小结
第六章 结论与展望
参考文献
后记