1. 研究目的与意义
相对于银行等传统金融机构的服务对象来说，网贷平台的服务对象更多的是一些小微企业和个人消费者，是对信贷市场的一个补充。随着利率市场化的进行，商业银行的贷款利率可以在一定范围内浮动，但基本上维持在 6%左右。而在网络借贷的过程中，借贷利率是借款方与投资方互相博弈的结果，其利率高于银行贷款利率。根据基本理论而言，收益越高，风险就越高，高的贷款利率必然会引起高的风险。由于引起网络借贷高风险的主要原因是信用问题，所以合理正确的评估网络借贷所面临的信用风险是促进网络借贷平台健康发展的重要前提。
根据网贷之家网站的统计显示，截止2017年10月，我国已登记的网络借贷平台有5949家，成交量从2014年1月的117.68亿元增加到2017年2183.94亿元。伴随着网络借贷行业的迅速发展，许多问题也相对暴露出来，截止2017年10月，停业及问题平台已有3947家，达到所有登记平台的66%左右。由于我国信用体系不完善、信息不对称等因素，导致投资者并不能预先估计到借款者逾期、平台不能提现、倒闭、跑路等问题，使其遭受损失，这样会大大打击投资者们对这个新行业的兴趣，从而不利于资金的有效配置。网络借贷甚至是信贷行业要想健康有序的发展，其首要问题就是要有效降低信用风险，减少甚至杜绝违约情况的出现。
因此，本文通过构建模型来研究网络借贷的信用风险，从而更好地促进我国网络借贷的发展，并丰富我国对于网络借贷信用风险的研究。2. 研究内容和预期目标
（1）研究内容
本文通过对网贷平台的贷款违约数据进行分析，运用拟合损失分布来度量网贷平台的信用风险，从而更直观的反映出网贷平台的信用风险，最后对我国网络借贷信用风险的管理提出可行建议，从而促进我国网贷行业健康发展。
①国近年来网络借贷发展的具体情况及信用风险；
3. 国内外研究现状
（1）国外研究现状
国外学者对网络借贷的信用风险进行了大量研究，主要研究如下：
国外学者主要是基于Prosper网贷平台进行研究的，通过该网贷平台所开放的借款人的借款收入比率、信用评级、所持有信用卡数量以及信用额度等相关信息来研究其对信用方面的影响。研究结果表明：借款人的借款信息会影响借款人的还款质量，同时也会影响投资者出借资金的行为。J.P.摩根（1997）提出信用风险可以用Greit Metrics模型来度量，主要选取标的产品、风险值及风险敞口等相关指标进行研究。KMV 公司在1997年利用Black-Scholes期权定价公式建立了KMV模型，利用该模型根据企业资产的市值、负债的账面价值、资产价值的波动性、到期时间、无风险借贷利率等指标可以估算出借款企业的违约概率。Kurbat、Korablev（2002）通过利用美国上千家公司对 KMV 模型的有效性进行了验证，验证结果表明该模型对高风险企业的预测准确度达到了百分之九十以上。Gordy（2002）将违约状态分为违约与不违约两种情况，能够利用鞍点逼近法近似损失的分布最终得到一个更精确的稳健值，从而改进了Credit Risk 模型的算法。Mark Schreiner（2004）对信用风险的分析采用决策树分析法，首先按照贷款的级次将所有贷款按首次贷款和再次贷款进行分类，并引入性别因素。其研究结果表明该模型对信用风险水平能够进行很好的区分，但其缺点在于该分析过程复杂且在样本量较小时，会对预测的准确度产生影响。
4. 计划与进度安排
（1）撰写方案
①阐述研究的理由和意义
②阅读相关国内外文献，撰写文献综述
5. 参考文献
[1]Morgan, J.P., Credit Metrics-Technical Document[M]. J.P. Morgan, 1997,5,(3):48-51.
[2]Shen, D., C. Krumme and A. Lippman. Follow the profit or the herd? Exploring social effects in peer-to-peer lending[J]. in IEEE Second International Conference on Social Computing. 2010:137-144.
[3]Magee, J.R., Peer-to-Peer lending in the United States: Surviving after Dodd-Frank[J]. N.c.banking Inst, 2011:72-76.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
