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 i
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.
7.1相关研究.
7.2本章研究框架
7.3融合语义信息的信用评价模型构建
7.4实验结果与讨论
7.5结论.
……
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
书单推荐
