1. 研究目的与意义
银行是提供信贷服务的传统机构，但其大多面向企业，近几年，个人消费信贷的需求逐年增加，它在企业贷款的基础上逐渐发展了起来。随着社会经济的发展，一些金融机构也开始采用抵押的等方式向客户提供个人贷款服务，信贷行业进入了快速发展的时期。尤其是网络技术的不断进步，传统金融与互联网技术相互结合，形成一种新兴行业——P2P（Peer to Peer）行业。P2P 网络信贷是在传统信贷如银行、金融机构上的模式创新，它通过互联网技术将贷款人和借款人联系在一起，这种模式不但满足了民间资本的投资需求，使其获得有效的投资渠道，而且也满足了很多中小型企业和个人的贷款需求，同时大数据、云计算、云存储、互联网支付技术的发展和进步为平台的运行效率和金融服务提供了技术的保障。
信用评估是评估借款人违约风险的一种统计方法，违约风险即贷款者到期无法偿还贷款的风险。通过统计用户的人口特征、信用记录、行为记录、交易记录等大量历史数据并进行系统分析，挖掘数据中隐含的行为模式和信用特征，开发信用评估模型，对用户的信用进行评估。一些信用记录会影响个人信用评估，包括延迟付款、拖延付款时间、信贷账户数目增减、信贷余额变化、账龄、最近的查询记录等。通过对借贷人的信用评估可以建立信用评分模型，信用评分可以从个人信用档案中提取不同特征来评估用户的信用状态，一旦发现信用瑕疵，评分模型可以自动评估风险大小，扣除一定信用分数。同时通过使用信用评分模型，申贷人可以快速得到答复，信贷决策的效率显著提高。此外，由于 P2P 网络借贷平台的投资收益率较银行等传统金融机构的投资收益率高，因此吸引了很多的个人投资者进行投资，P2P 借贷平将借款人和放款人有效地联系在了一起，为双方都创造了可观的价值，为了保证投资者的资金能够正常收回，信用评估是具有重要意义的。2. 研究内容和预期目标
研究内容
在“互联网 ”和大数据时代，信用经济的创新模式启发我们，中国的信用经济时代已经到来。P2P 网络借贷模式作为互联网金融的重要创新形式，近年来呈现爆发式增长；然而没有健全的法律体系和完善的风控手段保障的发展是畸形的，P2P 平台跑路、问题事件层出不穷，优胜劣汰的洗牌大幕已经开启。信用风险是互联网金融最主要的风险，科学、有效的个人信用评估模型有助于 P2P网络信贷业务的推广、优化信用资源配置，进一步促进行业健康、长远发展。
本文主要研究了个人信用评估问题。首先介绍了信用评估的发展背景以及 P2P 网络信贷的现状，然后介绍了构建信用风险评估模型常用的方法，包括统计方法和非统计方法，重点介绍了 Logistic 回归和决策树的理论基础，本文以拍拍贷公司为例，选用该公司部分贷款人信息数据，对个人信用风险评估进行研究。
3. 国内外研究现状
国外研究现状
Monika Papouskova和Petr Hajek（2019）使用异构集成学习的两阶段消费者信用风险建模，该模型整合了（1）班级不平衡的整体学习来预测PD（信用评分），（2）使用回归集合的EAD预测,提出的信用风险模型不仅比单阶段信用风险模型更有效，而且在预测和经济绩效方面也优于用于建模信用风险的最新方法。
Ripley（2015）讨论了神经网络及相关分类方法。Rosenberg和Gleit研究了神经网络在公司信用决策和防范欺诈等领域的应用。Davis就神经网络与其他评估方法进行了比较，认为神经网络法能很好的处理那些数据结构不太清楚的情况，但其样本训练时间较长，另外在分类不当的情况下错判比例较高。
4. 计划与进度安排
论文撰写方案：
1、阐述研究的目的和意义
2、介绍信用评估模型理论并列举常用的评估方法和本文所用方法
5. 参考文献
[1] Monika Papouskova,Petr Hajek. Two-stage consumer credit risk modelling using heterogeneousensemble learning. 2019, 118:33-45.
[2] Daniel FelixAhelegbey, Paolo Giudici, Branka Hadji-Misheva. Latent factor models for creditscoring in P2P systems. 2019, 522:112-121.
[3] G. Caruso, S.A.Gattone, F. Fortuna, et al. Cluster Analysis for mixed data: An application tocredit risk evaluation. 2020.
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。
