论文部分内容阅读
P2P网络借贷为中小企业及个人提供了方便快捷的融资渠道,在进入市场后得到了迅速发展。然而,受征信体系不完善及网络空间限制的影响,P2P网络借贷在交易过程中存在严重的信息不对称现象,造成逾期、坏账等借款人信用风险危机事件频发。既损害了投资人利益,也加重了网络借贷平台的运营负担,对P2P网络借贷行业的稳定性造成了不良影响。通过研究借款人信用风险实现对借款人信用风险的管理及控制,对中国P2P网络借贷行业的健康发展具有实际意义。本文在理论梳理及文献阅读的基础上,对中国P2P网络借贷行业发展的基本情况及P2P网络借贷行业中存在的借款人信用风险进行了分析;随后,依据P2P网络借贷行业特点及已有研究制定了包含29个指标的P2P网络借贷行业借款人信用风险评价指标体系;最后,依据本文构建的P2P网络借贷借款人信用风险评价指标体系,基于BP算法构建了神经网络模型,并分别使用LM算法、量化共轭梯度法、贝叶斯正规化法对BP神经网络模型进行训练,完成P2P网络借贷借款人信用风险评价模型的构建。通过对比三种训练方法在多种神经网络结构下的表现,最终选择输入层节点为9,隐含层节点为11,输出层节点为1,训练方法为LM优化算法的BP神经网络结构作为最终构建的P2P网络借贷借款人信用风险评估模型结构,为中国P2P网络借贷平台建立及完善精准、有效的借款人信用风险管理系统提供现实的指导意义。