论文部分内容阅读
债权众筹是我国互联网金融的重要组成部分,对于解决中小企业融资难,闲置资金利用率低,企业和个人信用记录缺乏等问题具有重要的现实意义。目前债权众筹出现的平台倒闭、非法自融、设立假标等问题让这个处于高速发展过程中的行业受到了负面的影响。而债权众筹平台是这个行业的关键一环,如何评价债权众筹平台的信用风险以及规避损失,不仅是一个实际应用问题,也是一个学术问题。但是目前债权众筹平台的信用风险管理的实践及理论仍然缺失,现有的金融行业信用风险管理体系及评价方法不能很好的适应债权众筹这一新兴行业的信用风险管理要求。因此,研究债权众筹平台的信用风险评价对提高我国债权众筹乃至互联网金融的竞争力、创新能力,对互联网金融信用风险管理有重要的理论及现实意义。国内外学者对不同领域的信用风险评价进行了研究,而对于互联网金融之一的债权众筹平台,其信用风险相关理论与模型等关键性基础问题基本上还是一片空白。为此,本文以债权众筹平台为研究对象,对其信用风险进行系统性研究,探索了数据挖掘方法对债权众筹平台的信用风险评价的可行性,主要研究概括如下:第一、从信任理论出发,研究了债权众筹平台的信任及信用风险的内涵,并且对其概念进行了界定,接着深入分析了其信任形成过程,在此基础上建立起信任与信用风险的关系,提出了债权众筹平台的直接信任与间接信任的信用风险影响层面,最后在社会认知理论研究框架的信任决策模型上建立起基于信任的债权众筹平台信用风险模型,丰富了债权众筹信用评价的理论内涵。第二、在基于信任的债权众筹平台信用风险模型基础上,结合债权众筹行业实际,构建了包括平台基本信息、运营信息、风险信息机互联网影响力信息的四个一级指标,包括股东背景得分、经营时间、注册资本、ICP资质认证、成交量、运营能力、偿还能力、发展能力、流动性压力、受单一投资人提现影响、受单一借款人违约影响、资金杠杆、标的物种类分散程度、平均利率、借款期限、用户影响力、媒体影响力的十七个二级信用风险评价指标体系,为债权众筹平台信用风险评价体系的建立提供了一定的参考。第三、鉴于实际应用中对债权众筹平台信用风险的评价方法都是采用主观确定权重的方式,这种评价方法很依赖确定指标权重的专家,从而导致评价的结果不够科学合理。因此提出用聚类的方法对债权众筹平台进行信用风险聚类,在聚类的基础上对不同类别的平台进行对比分析,从而确定了不同平台的信用风险级别标准。第四、选取了BP神经网络、SVM、决策树三个算法进行训练对比,结果显示,BP神经网络算法的效果最好。因此,在聚类的基础上,选取了BP神经网络算法进行训练;并用训练好的BP神经网络对中小债权众筹平台进行信用风险等级预测,选取了月平均成交金额低于2000万人民币的35个中小债权众筹平台作为预测对象,预测结果显示3个平台信用风险等级为中等,32个为较差。实证了信用风险评价模型的有效性,也进一步说明了我国的中小债权众筹平台信用风险等级较差。第五、在对选取的债权众筹平台进行信用风险等级预测之后,对比不同级别的平台信用风险差异,阐述了处于不同信用风险等级的平台的特点,最终给出债权众筹平台发展及大众投资者的投资建议。