网上个人对个人借贷(p2p借贷)是一种创新金融平台,通过互联网汇集投资者的资金来实现资金融通。过去十年,该行业逐渐改变了多数发达国家和新兴国家的大规模银行业,并赋予了中小规模贷款的权力。那么,在信息披露不充分、信息不对称的情况下,贷款人如何根据平台上给定的信息对贷款申请人进行审查,这是贷款风险管理的重要一环。本课题重点研究p2p借贷风险的决定和影响因素,并抽取澳大利亚RateSetter借贷平台的2014到2019年检索的32691个贷款数据进行实证分析。本论文试图根据研究目标回答三个明确的研究问题:首先是点对点特定因素对信用风险的影响,其次是信用评分与信用风险的关系,最后是金融监管对降低信用风险的有效性。采用Logistic回归、cox(协)比例风险和多层神经网络来确定借款人违约率的可能性。此外,本研究还建立了一个分类表来确定借款人的信用度。长尾理论、普惠金融理论和信用评分概念是本研究的关键理论基础。RateSetter.com模型被选为最大和领先的P2P借贷平台作为案例研究,允许访问其开源数据进行研究。选择了二元Logistic回归作为一个最好的方法来评估借款人的风险因素,因为没有其他的统计模型很适合独特的两个性质的因变量借款人的本质特征要求特殊的知识和一些相关数据存在于网络P2P借贷平台为全球的借款人。实证结果表明:借款人特征,如“无按揭租客、汽车贷款、债务合并、投资、重大事件和专业服务”是统计上显著的信用风险预测因子。信贷决定因素,如3年贷款期限、4年贷款期限、利率、借款人收入、性别、就业及兼职、家务工人(女佣)和退休员工显著影响违约概率。研究结果与协比例风险检验部分一致,协比例风险检验表明贷款违约风险率随着借款人信用风险的增大而增大。尽管如此,两种学习算法-逻辑回归和人工神经网络被用于分类p2p贷款申请分为默认和非默认组。研究表明,两种方法在分类违约借款人时都是稳健的,而逻辑回归在分类违约借款人时的预测能力要高于神经网络。监管体制可以随心所欲地降低金融机构的风险。此外,研究认为,有效的贷款监管能够最大限度地降低所讨论的行业风险。这些包括:分解和有效的融资,风险管理和行为监控,成熟度转变,最后是相互联系和集中。因此,建议第三方支付机构和资信局利用良好的信用评估记录和信用披露机制,通过提供客户的相关信息,加强与p2p行业的合作。同时建议,投资者应在借款人和平台之间分散投资组合,以避免借款人违约的风险。此外,本研究还强调,未来有必要使用不同的数据集进行研究,以检验信用风险对行业绩效的影响。