1. 研究目的与意义
p2p融资模式 （peer-to-peer）是近年来逐渐兴起的一种个人对个人的直接贷款模式，是互联网金融的主要形式之一。p2p指的是借助于互联网完成的个人对个人的通常为小额信贷的直接信贷方式：资金空余的人和有资金需求的人将各自的信息发布到p2p网贷平台上，然后通过网贷平台进行匹配，完成小额贷款。
互联网金融的迅速发展，虽然对传统金融行业带来了不小的冲击，但是与此同时也提供了很多难得的发展机遇。互联网金融利用交易涉及面广、传播速度快、隐蔽性强以及操作方便等优势，得到了蓬勃发展。所谓p2p网贷平台借款人的信用风险是指在p2p网络贷款平台贷款的借款人因为各种原因逾期未还款或者没有能力还款的可能性，是一种违约风险，它是p2p网贷平台的主要风险来源。
当前，从我国p2p网贷平台的发展情况来看，各大网贷平台的借款人信用风险的控制水平相对较弱，逾期还款的事情时有发生。p2p网贷平台面临的风险主要有信用风险、道德风险、操作风险、管理风险、利率风险、流动性风险、法律风险等方面。其中最为突出的是借款人的信用风险，道德风险和管理风险等最终也是以信用风险的形式来表现。网贷平台借款人的信用风险实质就是违约。我国现有的p2p网贷平台在借款人的信用风险管理上存在较多的问题：一是信用风险防范难度大；二是衡量信用风险的难度较大；三是信用风险具有非线性特征。
2. 研究内容和预期目标
研究内容：
对p2p的相关理论进行阐述，并分析我国p2p网络借贷平台借款人信用现状及其成因；剖析信贷风险模式、数据获取、评估技术等因素对p2p平台借款风险的影响，并从监管机构、网贷信息披露监管机制、建立风险管理指标体系等方面给出提高p2p网贷平台借款人信用的可行性的建议。
3. 国内外研究现状
国内研究现状：
杨胜刚等[1]运用决策树、神经网络和决策树一神经网络三种模型对德国商业银行信贷中心借款数据进行了实证分析，认为决策树一神经网络模型在准确率方面表现得更为出色。石庆焱和靳云汇[2]运用决策树、logistic模型、判别分析、神经网络等方法对我国商业银行借款数据进行了比较分析，发现神经网络的预测准确率最高，但神经网络和决策树因过度拟合导致其泛化能力并不突出，其第一类错误（即贷款给信用差的用户）发生率最高，会造成比第二类错误（即拒绝贷款给信用好的用户）更大的损失，只有logistic模型在实验数据和预测数据表现为犯错误概率相近，即泛化能力比较好。顾慧莹和姚铮[3]以及黄文彬[4]运用logistic模型对wdw和拍拍贷平台数据进行实证分析，发现无论在准确率还是整体拟合程度方面这种方法均能得到满意效果。顾慧莹[3]和谈超[5-6]等人通过人人贷和微贷网数据进行实证分析，认为年龄、性别、职位、收入、婚否、学历和房产等对违约状况产生显著影响，可作为平台判断借款用户是否会违约的主要依据；同时认为历史违约次数、借款次数、工作认证和实地认证等信用信息也可影响借款用户违约状况。
4. 计划与进度安排
1.2022年11月：收集、整理并阅读与选题有关的文献资料，参阅近三年来与选题相关硕士论文及相关专著等；
2.2022年1月初：撰写开题报告并在毕设系统提交，供指导老师审阅；
3.2022年3月17日前：完成论文初稿并在毕设系统提交，供老师批阅，接受中期检查；
5. 参考文献
[1]杨胜刚，朱琦，成程.个人信用评估组合模型的构建——基于决策树一神经网络的研究j].金融论坛,013(2): 57-61.
[2]石庆焱,靳云汇.多种个人信用评分模型在中国应用的比较研究j].统计研究,004(6):43 -47.
[3]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,015 (11) ：37 -46.
