P2P小额贷款违约风险预测—以Lending Club为例开题报告

1. 研究目的与意义

p2p小额贷款是借助于网络平台，将小额资金聚集起来借贷给需要资金的人。

近年来，由于网络的高速发展，p2p借贷越发流行，发展大有前景，但网络借贷实际中尚存在着许多风险问题，有别于传统借贷方式的形式使得p2p小额贷款违约风险不可忽略。

民间借贷没有出台明确的法律制度，针对p2p的专门法规还处于空白状态，在资金安全完全依靠借款人信用的情况下，信用体系在很大程度上影响着金融体系，小额贷款往往由于信息不对称及信用无保障导致融资困难。

2. 研究内容和预期目标

一、 研究内容与拟解决问题本题目将基于p2p网络贷款发展现状，结合相关模型和统计方法，通过将借款者能够全额偿付贷款作为响应变量，借款特征、偿付行为、借款人特征等因素作为解释变量构建回归模型，研究各个解释变量间存在的交互作用，建立的预测模型。

对借款人违约风险进行预测，从而对借贷人作出较为准确的评估，有效地将违约风险控制在一定范围内。

二、写作提纲本文共分为五个部分：1、对p2p小额贷款的研究进行概述，分析影响p2p小额贷款的风险的主要原因；2、研究方法的理论介绍；3、应用logistic回归构建违约风险预测模型，根据python获取的数据进行实证分析；4、研究结果分析，对预测模型中计算出的解释变量的回归系数的估计进行解释；5、对文章的研究成果进行总结与分析，从理论上提出对我国p2p小额贷款平台的风险防控与管理的相关建议，最终表明本文的不足之处。

3. 国内外研究现状

国内外学者在对p2p小额贷款的违约风险研究上侧重于影响因素分析、变量处理以及模型选择三个方面。

一、影响因素分析温小霓等的研究表明借款利率、借款人历史 失败次数对借款成功率有负的影响，而借款金额、借款人历史成功次数、信用积分、审核项目数对借款 结果有正的影响。

同时，借款人的性别、住宅情况也对借款结果有影响。

4. 计划与进度安排

通过查阅相关文献，了解国内外研究水平，把握对p2p网络贷款风险预测的现状。

借鉴lending club公布的2022-2022年个人贷款信息，利用python在国内网络借贷网站上爬取相关数据，根据刻画借款人和借款特征的解释变量对是否违约这一解释变量建立模型，并从不同角度对违约风险预测模型进行精度比较，选择最优模型。

方便贷款者能够更科学地判断借款者的违约可能性，以降低贷款者资金损失的风险，提高网站对借款者审核的可控性。

5. 参考文献

[1] Fan J, Lv J. A Selective Overview of Variable Selection in High Dimensional Feature Space[J]. Statistica Sinica,2010,20(1).[2]Malekipirbazari M, Aksakalli V. Risk assessment in social lending via random forests[J]. Expert Systems with Applications,2015,42(10).[3]Tibshirani R. Regression Shrinkage and Selection via the Lasso[J]. J of the Royal Statistical Society,1996,58(1).[4]冯新月. P2P网络借贷违约风险的影响因素研究[J]. 中国商贸,2014,11.[5] 温小霓,武小娟. P2P网络借贷成功率影响因素分析--以拍拍贷为例[J]. 金融论坛,2014,03.[6]肖曼君,欧缘媛,李颖. 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[J]. 财经理论与实践,2015,01.[7] 顾慧莹,姚铮. P2P网络借贷平台中借款人违约风险影响因素研究--以WDW为例[J]. 上海经济研究,2015,11.[8]史小康,马学俊. 个人信用评级模型的指标选择方法[J]. 统计与决策,2014,23.[9]姜岩. P2P网络信贷中借款人的信用风险评估研究[D]. 南京理工大学,2014.[10]柳向东,李凤. 大数据背景下网络借贷的信用风险评估--以人人贷为例[J]. 统计与信息论坛,2016,05.[11]李礼. 我国中小企业网络融资风险管理研究[D]. 中南大学,2012.[12]方匡南,章贵军,张惠颖. 基于Lasso-logistic模型的个人信用风险预警方法[J]. 数量经济技术经济研究,2014,02.[13]骆常好. 惩罚logistic回归与多因子降维法交互作用分析及其应用[D]. 山西医科大学,2009.[14]赵自强,郑明. 应用分类树模型筛选logistic回归中的交互因素[J]. 中国卫生统计,2007,02.[15]胡海青,张琅,张道宏,陈亮. 基于支持向量机的供应链金融信用风险评估研究[J]. 软科学,2011,05.