以"拍拍貸"網(wǎng)貸平臺的電商借貸者數(shù)據(jù)為樣本,以違約鑒別能力為準則,采用神經(jīng)網(wǎng)絡判別法和相關分析法對指標進行篩選,構建電商網(wǎng)貸的信用評級指標體系。同時,基于各指標的違約貢獻率和AHP方法,采用主觀和客觀相結合的組合賦權法確定各指標的權重系數(shù)。在此基礎上,基于時間幀測度電商網(wǎng)貸者的近期信用和長期信用,構建電商網(wǎng)貸動態(tài)信用評級模型。該信用評級模型可根據(jù)近期信用動態(tài)調(diào)整長期信用,及時更新用戶的信用狀況。研究表明,構建的電商網(wǎng)貸信用評級指標體系違約鑒別能力強,歷史信息的重要度超過了借款信息、認證信息和個人信息,長期信用將違約樣本的信用等級降低,有效降低了信用風險。

【文章頁數(shù)】：10 頁

【文章目錄】：
引言
一、文獻綜述
    (一)企業(yè)信用評級指標體系研究
    (二)企業(yè)信用評級方法研究
二、研究設計
    (一)電商網(wǎng)貸信用評級存在的問題
        1. 信息不完善且成本高
        2. 初始信用評級偏低
        3. 受外界因素影響較大,風險較大
    (二)電商網(wǎng)貸信用評級研究的難點
    (三)電商網(wǎng)貸信用評級研究思路
        1. 信用評級指標的篩選
        2. 信用評級指標權重的確定
        3. 構建動態(tài)信用評級模型
三、電商網(wǎng)貸信用評級的數(shù)據(jù)處理與指標體系構建
    (一)指標數(shù)據(jù)的預處理
        1. 定性指標的量化處理
        2. 數(shù)據(jù)的標準化
    (二)基于違約判別的指標篩選
    (三)基于相關分析的指標精簡
四、電商網(wǎng)貸信用動態(tài)評級模型
    (一)基于組合賦權的指標權重確定
        1. 基于違約鑒別的指標權重確定
        2. 基于AHP的指標權重確定
        3. 組合賦權方程確定
    (二)網(wǎng)貸動態(tài)評級模型的構建
        1. 模型構建
        2. 實證分析
五、結論



本文編號：3927905