一、P2P网络聚集计算估算方法（论文文献综述）
刘嘉萌[1]（2020）在《基于P2P网络借贷平台的A公司互联网金融信用风险研究》文中进行了进一步梳理P2P网络借贷是一种互联网与民间借贷相结合的新兴金融模式,自2007年进入我国之后便开始飞速发展。自2012年以来,P2P网络借货平台倒闭,携款跑路等问题接连曝光,由此可见整体行业都面临着较高的风险,其中信用风险则是影响行业发展的主要风险。信用风险问题已经成为妨碍整个网贷行业良性持续发展的最大"绊脚石",因而加强对P2P信用风险影响要素的研究,正确识别、防范和化解信用风险,对于P2P网贷平台完善借款人信用评估机制、确保贷款质量及促进整个网贷行业持续健康发展具有十分重要的现实意义。本文以P2P网络借贷平台信用风险作为研究的切入,选取S省成立最早、规模最大的国资P2P网贷平台A公司作为研究对象,结合信用理论、风险测度理论、信息不对称理论、委托代理理论,分析了A公司P2P网络借贷平台的信用风险现状,并指出其存在的信用风险问题,即借款人信用风险防范机制的问题、借款人自身和外部的问题。进一步分析影响借款人信用风险的影响因素。在全面分析其运作模式及其信用风险问题基础之上,利用因子分析和logistic回归对A公司公开的借款人相关借款信息（如年龄、性别、学历、信用评级、借款总额、借款利率、借款期限等）进行量化研究,构建出了测算网贷交易中借款人违约概率的计量模型,并提出了防范P2P网贷信用风险的措施和建议。主要得出以下结论:此次实证的十六个解释变量中,与借款人信用风险同向变化的影响因素是借款人的借款金额、借款利率、借款目的、月还款额、中标次数、流标次数、逾期还款次数,与借款人信用风险反向变化的影响因素是借款人的借款期限、学历、信用等级、还款资金来源、正常还款次数,对借款人的信用风险影响不大的是年龄、收入、性别。通过本文的研究,可以从借款人信用风险影响因素的角度出发进一步从源头防范借款人的信用风险,并提出具体的措施:完善借款人信用风险防范体系、对借款人信用风险的重点因素进行审查、建立借款人信息共享机制、实施借款人信用奖惩政策。
塔琳[2]（2020）在《P2P网络借贷对我国金融稳定的影响研究》文中研究说明信息技术的快速发展和演化大大减少了传统金融中介的必要性。P2P网络借贷作为最具代表性的互联网金融模式之一,在过去短短几年里得到了飞速的发展。P2P业务依托多样化的互联网平台,具有成本优势与信息优势,丰富了金融市场的产品和层次,在一定程度上拓宽了金融服务的范围,提高了资源配置效率。但与此同时,P2P网络借贷行业也存在着野蛮生长、缺乏有效监管的问题,其行业自身风险也可能会通过货币市场、信用市场等迅速传染到其他金融部门和实体经济。在2013年、2015年末和2017年末到2018年第三季,先后经历了三波爆雷潮,投资者和市场对金融创新的信心受到了巨大打击,P2P网络借贷引发的一系列经济和社会事件造成了严重的不稳定因素,对金融安全和社会秩序的威胁不容忽视,也对法律监管和政府管理职责的履行提出了新的挑战。金融稳定是金融安全的基础,是国民经济健康稳定发展和社会长治久安的保障,其重要性不言而喻。很显然,目前亟待对P2P网络借贷与金融稳定的关系进行研究,这具有理论与实践意义。本文采用了文献研究法、归纳总结法与抽象演绎法、理论分析与实证检验相结合等方法进行研究。本文的理论基础有监管套利理论、金融脆弱性理论、信息不对称理论、长尾理论和“二次脱媒”。本文的研究工作主要基于以下思路:第一,对相关领域的文献进行梳理,主要包括金融稳定、P2P网络借贷的相关文献,进行文献综述并明确本文的研究重点。第二,在分析P2P网络借贷行业总体发展现状的基础上,总结阐述P2P网络借贷行业发展对金融稳定的影响效应,其影响效应涉及到金融机构、金融市场及金融基础设施三个方面。第三,结合以往文献,梳理出相对较为全面的金融稳定内涵框架,根据此框架将权衡金融稳定性的指标分为三个一级指标,分别为金融机构平稳运行、金融市场平稳运行、金融市场抵御外来冲击的能力,再把这三个一级指标细分为12个基础指标,从对金融稳定的影响程度的角度来计算出各项指标的权重,选取2011年3月-2018年9月的30期季度数据,运用主成分分析方法合成金融稳定指数。在合成金融稳定指数的基础上,运用线性回归方法定量检验P2P网络借贷对金融稳定的影响效应。第四,从经典理论出发,系统厘清了P2P网络借贷对金融稳定影响的链条机理,从资金融通、货币政策、风险溢出和监管套利四个角度进行考察。利用向量自回归VAR模型和时变Copula模型实证检验了P2P网络借贷体系对金融稳定性的影响机理。第五,分别从区块链技术与大数据技术给出了基于金融基础设施稳定的P2P网络借贷优化方案,重点阐述了区块链在网络借贷征信领域的应用与大数据在网络借贷风险预警领域的应用。第六,根据前文分析结论提出切实可行的发展P2P网络借贷的对策建议,以期可以为相关政策的制定提供理论参考。基于本文的研究成果,可以得到以下结论:第一,总体来看,金融稳定指数的变动轨迹大致符合我国经济发展的现实情况,中国金融稳定程度始终呈现波动趋势,但处于零值以上的年份偏多,说明在长期趋势下我国保持了金融稳定状态。第二,实证检验结果显示,P2P网络借贷对金融稳定有消极影响。具体来看,P2P网络借贷发展会降低金融机构的稳定程度;其对金融市场具有滞后影响效应,会提高金融市场的稳定程度;P2P对抵御外部冲击能力的影响并不显着。第三,分别从资金融通、货币政策、风险溢出、监管套利几个方面厘清了P2P网络借贷对金融稳定影响的理论机理,经实证研究发现,P2P网络借贷短期内对资金融通有积极的影响作用,这种影响可以随着时间的推移趋于平缓;P2P网络借贷对货币政策的执行在短期内会有一定负向冲击;P2P网贷市场与股票市场、银行间同业拆借市场几乎不存在风险溢出效应。这主要是由于P2P网络借贷的体量在整个金融市场中所占比重较小,各市场存在的结构差异、制度壁垒使得P2P网络借贷市场与其他金融市场之间存在很大差异性,因此在量化分析的角度看现阶段的网络借贷市场较难以引起我国整个金融体系的系统性风险暴露。但是由于P2P网络借贷平台涉及的投资人、借款人和机构数量都较多,其风险传导效应和不良经济社会影响仍应引起监管当局和研究人员的关注。本文的创新点主要体现在以下几个方面:首先,本文将金融稳定问题研究与动态发展变化的P2P网络借贷结合在一起,具有新颖的视角;其次,从理论与实证层面系统性厘清了P2P网络借贷对金融稳定的影响效应与影响机理,拓展了互联网金融的研究框架,丰富了金融稳定、金融安全相关理论内容。再次,提出了利用区块链技术完善网络借贷征信体系与构建基于大数据技术的网络借贷风险预警系统的应用方案,对于维护金融基础设施稳定具有现实参考意义。
张婷[3]（2020）在《非结构化MP2P网络启发式资源搜索策略研究》文中研究说明随着互联网规模的不断扩大以及移动电子设备的日益普及,将无线网络通信技术与对等网络技术相结合的移动对等网络技术已经成为当前研究和应用的热点。其中分布式非结构化对等（peer-to-peer,P2P）网络由于其自组织和非中心化等特性,更适合动态拓扑的移动网络环境,因此被广泛应用在移动对等（mobile peer-to-peer,MP2P）网络技术中。资源定位是MP2P网络技术的一个核心问题,如何高效、准确的定位资源是整个系统高效工作的前提。到目前为止,已经有很多相关的资源搜索策略被提出,尽管它们可以在一些特定的网络场景中发挥到一定的作用,但大多数策略都显示出了较大的局限性。设计一个高效、稳定、安全的资源搜索策略对于MP2P网络有着非常重要的意义。本文提出了一种非结构化MP2P网络启发式资源搜索策略（IKRW）。为了在降低搜索开销的同时提高搜索成功率,以及考虑到MP2P网络节点的动态性和恶意行为,我们在IKRW搜索算法中定义了节点的资源可得性、稳定性和信任值三种导向因子。每个节点维护一个记录邻居导向因子的邻居信息表,利用节点和邻居在交互时不断掌握的邻居的局部信息计算导向因子的值。IKRW是改进的启发式随机漫步搜索算法,请求节点使用k个walker来搜索所需的资源,每个中间节点将查询消息转发给它的一个邻居,与随机漫步搜索算法不同的是,节点是利用导向因子启发式的指导walker游走的方向,而不是随机地转发消息。由于节点对于邻居局部信息的掌握是一个不断学习的过程,因此IKRW搜索算法在网络初期的搜索性能较差。针对这个问题,本文提出了一种泛洪补充机制,以在网络初期节点对邻居的局部信息掌握不足的情况下保证搜索的成功率,同时还可以保证节点收集足够多的邻居局部信息,从而快速提高IKRW搜索算法的性能。仿真实验表明,本文提出的搜索策略可以很好地适应MP2P网络的动态特性,在保证搜索成功率的同时,有效的降低了冗余搜索消息,并且能够保证响应节点的服务质量。
周莲莹[4]（2020）在《基于GBDT系列算法的违约风险度量及其驱动的智能风险决策》文中研究表明我们时常面临各种类型决策,与之对应不同决策规则。然而风险型决策中,决策人常常难以准确估算各自然状态出现概率,本文因此构建一种机器学习算法驱动的智能风险决策,并以P2P网络贷款中的风险决策展开研究。本文主要的研究工作包含以下三个部分:第一,采用传统决策树分析P2P投资者风险决策,提出利用机器学习中GBDT系列算法预测借款人违约风险,以驱动风险决策的构想。第二,基于Lending Club平台2018年数据,采用GBDT系列算法度量借款人违约风险。考虑到大数据时代数据维度越来越大,提出耦合因子分析的GBDT系列算法,将其度量结果与原始模型多向对比。原始模型与耦合因子分析模型纵向对比结果表明:后者准确率、调和均值和运行时间均优于前者,因此后者能更好度量借款人违约风险。三种耦合因子分析模型横向对比结果表明:FA-XGBoost准确率（99.92%）和调和均值（99.95%）略优,但FA-LightGBM运行时间（8.2839秒）远小于FA-GBDT和FA-XGBoost。因此,度量借款人违约风险时,数据规模太大建议采用FA-LightGBM,其他情况建议采用FA-XGBoost。第三,结合第二步对比结论,采用FA-XGBoost驱动P2P投资者风险决策。实证分析表明:P2P投资者依据FA-XGBoost模型做出决策的准确率为99.92%。因此,本文提出的机器学习算法驱动的风险决策方法能有效地帮助投资者做出更有利的决策,成功实现风险决策智能化。
沈露[5]（2019）在《基于局部敏感哈希和结构化P2P网络的相似性图像检索的研究》文中研究指明相似性图像搜索问题是指在给定数据集中返回与查询点距离相近数据点的问题。最近邻（Nearest Neighbor,NN）搜索方法在数据点维度较低的时候表现出良好的查询效果。对于高维的数据点,由于维度灾难问题的出现,最近邻搜索方法变得极其困难。为了提升数据搜索的效率,近似近邻（Approximate Nearest Neighbor,ANN）搜索方法被提出来。局部敏感哈希（Locality Sensitive Hashing,LSH）及其变体是解决高维空间中近似近邻搜索问题的着名方案。传统上,这些索引方案是集中管理的,需要多个哈希表来保证搜索质量。然而,由于存储空间的限制,海量数据对象在集中式索引方案中已变得不切实际。因此,基于P2P网络的分布式索引方案被提出,其中,如何保证分布式网络节点的负载均衡成为研究的热点之一。本文针对上述特性及现存方案的一些问题,开展相似性图像索引负载均衡的研究。首先,研究了基于LSH的分布式索引数据分布模型。考虑到数据集中数据特征向量范式的不同,分别构建了基于同构和异构范式的数据分布理论模型,并证明其能准确预测分布式索引数据哈希值的分布。与现有的基于多张哈希表的模型不同,本文提出的模型适用于单张哈希表,其能显着减少创建分布式索引占据的空间。然后,基于LSH的分布式索引数据分布模型,提出了静态分布式相似性图像索引负载均衡机制。考虑利用累积分布函数的特性,在索引机制中提出了一种全新的索引映射方法,能够在概率上保证在数据映射阶段每个节点的负载均衡。本文提出的索引机制得益于正态分布的性质,可以让类似Chord的P2P网络获得更均衡的负载。进一步地,针对节点动态性和索引值映射误差等导致的负载不均衡问题,提出了一种基于虚拟结点的动态负载均衡算法。该算法可以实现P2P网络中重载节点与轻载节点之间负载的动态性调整,从而保持每个节点的负载均衡。该算法扩大了基于LSH分布式索引数据分布模型的适应范围,使静态分布式相似性索引方案更加实用。最后,利用合成数据集和两个真实数据集,对分布式相似性图像索引机制和动态负载均衡算法的效率和有效性进行了实验评估。本文的研究成果在海量高维图像数据搜索和分布式P2P网络技术领域具有重要的理论意义和广阔的应用价值。
龚虹琳[6]（2019）在《P2P网络借贷市场风险研究》文中认为近年来,P2P网络借贷行业发展十分迅速,取得了令人瞩目的成绩,但在高速发展的同时行业内问题平台事件频发,行业风险逐渐暴露。本文研究了P2P网络借贷市场风险问题,首先结合宏观和微观视角,本文从理论上分析识别了P2P网络借贷行业存在的主要的风险类型,并选择市场风险这一宏观角度进行具体分析;然后选择P2P网络借贷行业的日均市场利率数据,通过对数据的分析及检验发现其对数收益率序列出现“波动聚集性”及“尖峰厚尾”的特点,检验结果表明GARCH族模型能够很好地刻画对数收益率序列的特征;接下来,将2017年8月24日P2P网络借贷“1+3”监管制度框架正式形成作为重要事件,引入虚拟变量建立GARCH族模型,通过比较和检验选择模型并计算VaR及CVaR,从而度量P2P网络借贷市场风险。研究发现:（1）监管政策的实施能够影响P2P网络借贷市场价格波动;（2）CVaR相较于VaR能够更加有效地度量尾部风险;（3）VaR和CVaR计算结果证明P2P网络借贷市场风险呈现波动下降趋势。本文根据理论分析和实证分析的结果对P2P网络借贷市场风险的防范与控制给出科学可行的对策建议。
梁洪[7]（2019）在《货币政策对网络借贷的影响研究》文中指出十九大报告指出,为加快完善社会主义市场经济体制,必须深化金融体制改革,增强金融服务实体经济能力。当前中国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期,普惠金融通过增加小微企业、中低收入人群等长尾群体的金融可得性,有利于减小收入差距、降低贫困人口比例,有利于推动小微企业发展、产业升级、经济结构优化,进而促进经济增长。网络借贷被认为是金融服务与信息技术结合的最新产物,是后金融危机时期新的金融范式,有助于满足小微企业和私人部门等长尾群体的信贷需求,是普惠金融的重要供给主体。网络借贷出现的原因不仅在于信息化进程的提升,更在于网络借贷能够准确切合长尾群体的融资需求。网络借贷作为互联网金融的重要组成部分,自引入中国以来,平台数量、成交金额、贷款余额等均得到了迅速扩张,但网络借贷的风险也不容忽视,平台自融、携款跑路、暴力催收等,不仅阻碍了网络借贷的发展前景,也可能会导致系统性金融风险的发生。以往对网络借贷的研究主要集中在微观层面,从借款人特征、订单特征、羊群效应和社会网络关系等方面开展研究。较少有学者从货币政策角度研究网络借贷,尤其是缺乏分析货币政策对网络借贷宏观利率的调控机制和波动溢出机制,也缺乏分析货币政策对网络借贷市场中微观个体借款人的融资成功率、融资成本和还款违约率的调控效果,还缺乏分析金融信息化差异如何影响货币政策对网络借贷融资的调控效果。因此,本文从货币政策的角度,探究货币政策对网络借贷利率的引导机制,以及货币政策对网络借贷利率的波动溢出机制,同时分析货币政策对网络借贷市场中微观个体借款人融资成功率、融资成本和还款违约率的影响。最后从网络借贷组织结构出发,分析金融发展和信息化差异如何影响货币政策对网贷微观个体融资的调控作用。本文相关内容和结论如下:（1）在分析货币政策对网络借贷利率的引导机制中,本文将货币政策、网络借贷和线下民间借贷纳入同一框架下。首先,本文构建时变参数向量自回归模型（TVP-VAR-SV模型）分析货币政策对两类民间借贷利率调控的时变性和非对称性,以及两类民间借贷间的动态演化机制;其次,本文还构建了向量误差修正模型（VECM模型）分析两类民间借贷市场间的长期均衡关系。研究发现:首先,价格型货币政策能够有效调控两类民间借贷,且对两类民间借贷利率的调控存在非对称性,即与线下民间借贷利率相比,更市场化、更不受市场分割影响的网络借贷利率对价格型货币政策冲击反应更为敏感;其次,与价格型货币政策相比,数量型货币政策对民间借贷利率的调控效果较差且不稳定;第三,网络借贷市场与线下民间借贷市场间具有紧密的联系,一个市场的冲击能够迅速导致另一个市场利率的反向变化,两类民间借贷市场间存在竞争性;最后,两类民间借贷间存在长期均衡关系,其中网络借贷对线下民间借贷具有利率引导作用和价格发现功能。（2）在分析货币政策对网络借贷利率的波动溢出效应中,本文从波动率视角出发,首先,通过单元GARCH分析了网络借贷和线下民间借贷的GARCH效应和风险收益;其次,将货币政策、网络借贷和线下民间借贷纳入同一框架下,运用多元BEKK-GARCH模型探讨三者间的波动溢出效应和时变性。研究发现:首先,两类民间借贷利率波动率均会受自身前期波动率的影响,同时相比线下民间借贷,网络借贷市场能更快化解前期累积风险;其次,两类民间借贷市场均是非成熟的金融市场即民间借贷收益难以获得风险补偿;第三,2018年以来,货币政策对两类民间借贷均具有较好的调控和引导效果。同时,在大多数时间段内两类民间借贷对货币政策也存在波动溢出效应;最后,网络借贷发展初期,两类民间借贷间具有双向波动溢出效应,随着网络借贷监管条例的出台和信息中介的定位,两类民间借贷的联动性有所减弱。（3）在分析货币政策对网络借贷微观个体融资的影响中,基于理论视角本文首先分析了,网络借贷通过监管套利路径和资产价格渠道能够有效弥补紧缩性货币政策引起的正规金融信贷不足,网络借贷是正规金融的有效替代;其次,货币政策通过银行信贷渠道和机会成本渠道影响网络借贷市场的融资成本,货币政策收紧将增加网络借贷市场的融资成本;最后,货币政策基于风险承担渠道和资产价格渠道,影响网络借贷市场的违约风险,货币政策收紧放大了网络借贷市场风险。实证研究发现:首先,货币政策紧缩时,网络借贷市场中借款人的融资成功率增加,网络借贷市场是正规金融市场的有效替代;其次,货币政策收紧将显着增加网络借贷市场中借款人的融资成本;第三,货币政策收紧会加大网络借贷市场中借款人的违约风险,增加借款人的还款违约率;最后,借款人的时空差异也会显着改变货币政策对网络借贷市场的调控效果。（4）在分析金融信息化差异下货币政策对网贷融资的影响中,首先,本文基于金融发展理论、网络经济学双重视角,研究金融发展、信息化进程对网络借贷融资成功率、融资成本的作用机制;其次,从金融发展、信息化对货币政策影响的视角,分析金融信息化差异下货币政策对网贷融资调控作用的差异性;进一步结合中国经济长期发展形成的空间特征和网络借贷发展的时间维度,分析金融信息化对货币政策调控作用影响的空间层面和时间维度的差异性。研究发现:首先,金融发展水平的提高拓展了资金需求者的融资渠道,使得资金需求者具有更强的议价能力,进而降低网络借贷市场融资成功率和融资成本。其次,信息化的强化深刻变革了金融组织结构,降低了金融交易双方的信息不对称程度,进而增加网络借贷的融资成功率和融资成本;第三,金融发展水平的提升有助于增加传统金融市场对网络借贷市场的替代效应,强化市场间资金流动性,提升借款人议价能力,进而削弱货币政策对网络借贷市场融资成功率和融资成本的影响;第四,信息化水平的提升有助于加大借款人信息透明度,进而强化货币政策对网络借贷市场中融资成本的影响幅度;最后,金融发展和信息化影响货币政策对网络借贷融资成功率、融资成本的调控作用存在时空差异性。本文可能的创新之处主要体现在以下五个方面:（1）以往学者对网络借贷的研究主要集中于微观层面,本文从宏观视角出发,分析货币政策的改变将如何影响网络借贷市场宏观利率和微观个体融资。本文的研究有助于理清货币政策对网络借贷利率的传导路径和波动溢出效应,有助于深入分析货币政策对网络借贷市场中微观个体融资成功率、融资成本和还款违约风险的影响,有助于明确金融信息化差异将如何影响货币政策对网络借贷融资的调控效果。（2）以往较少有学者将货币政策、网络借贷与线下民间借贷纳入同一框架下研究。本文将货币政策、网络借贷和线下民间借贷纳入到同一框架中进行分析,并且运用了TVP-VAR-SV模型,分析价格型货币政策和数量型货币政策对民间借贷冲击的时变性和非对称性,同时比较了两种货币政策对民间借贷利率调控效果的差异性。本文通过对网络借贷与线下民间借贷间脉冲响应的分析,不仅发现网络借贷与线下民间借贷间具有紧密的联动性,更发现网络借贷对线下民间借贷有较强的竞争性。同时,构建网络借贷和线下民间借贷的VECM模型发现,网络借贷和线下民间借贷间存在长期均衡关系,同时更为市场化、更不受市场分割影响的网络借贷利率对线下民间借贷利率具有引导作用。（3）以往研究仅探讨了货币政策对网络借贷的波动溢出效应,由于网络借贷和线下民间借贷具有较多互动和竞争,本部分进一步将货币政策、网络借贷和线下民间借贷三者纳入同一框架下分析三者间的波动溢出效应。本文通过单变量GARCH效应,深入分析了线下民间借贷的GARCH效应和风险收益。同时,本文还根据货币政策、网络借贷和线下民间借贷的发展背景,将整个时间段分为三个区间。通过对三者间波动溢出效应的时变性分析,进一步强化了三者间的内在逻辑联系和联系的时变性,并有助于防范市场间的风险传染。（4）以往较少有学者从货币政策角度,分析货币政策如何影响网络借贷市场中微观个体的融资,本文的研究将提供一个有益补充。本文将货币政策宏观数据和网贷市场微观数据结合,从宏观角度探究货币政策对网络借贷市场微观个体融资的影响。同时,本文基于违约风险的视角发现,货币政策的改变显着影响了网络借贷市场还款违约率,为货币政策调整的风险测算将网络借贷纳入统一的框架下提供了理论依据。研究还发现,货币政策对网络借贷市场的调控会受到借款人时空差异的影响。（5）以往较少有学者从金融发展和信息技术的角度,分析金融信息化差异将如何影响货币政策对网络借贷融资的调控作用。本文通过文献梳理和实证研究,深入检验了金融发展对货币政策调控作用的影响机制。同时,基于网络经济学视角,本文选取多项信息化数据,运用熵值法构建信息化指标,进而探究信息化对货币政策调控作用的影响。进一步,考虑到我国区域经济发展不平衡和网络借贷发展的时间维度,本文从空间特征、时间维度两方面进一步分析了金融信息化影响货币政策调控作用的时空差异性。
王成宇[8]（2019）在《移动P2P网络中基于动态分组和激励机制的信任模型研究》文中提出近年来,随着计算机网络的快速发展,移动对等网络（Mobile Peer-to-Peer Network,移动P2P网络）网络由于其动态性、自治性和匿名性的特点,使其在文件共享、实时通信、分布式计算和分布式存储等方面大放异彩。但是在移动P2P网络中,节点间可以进行自由交易,并且节点经常连接并离开网络,这将动态地改变网络拓扑。因此,在选取超级节点时,必须要考虑到超级节点的可靠性和稳定性。现有的移动P2P网络的信任模型可以解决网络中的一些安全问题,但是随着网络的进一步发展,大大增加了信任模型在网络的计算量、存储量以及网络通信等方面的开销,对信任模型的进一步应用产生了巨大的影响。本文以此课题为出发点,对分布式非结构化的移动P2P网络中的节点聚类方式和恶意节点攻击问题进行深入探究,提出改进后的信任模型。具体研究内容如下:1.针对移动P2P网络中的相邻节点在物理位置上不一定相邻导致相邻节点间的信息延迟较大的问题,结合兴趣相似节点间交易概率比较大的情况,给出一种基于动态分组的超级节点选取机制（Dynamic Grouping-based Super Node Selection Mechanism,DGSM）。该机制考虑节点的兴趣向量相似性和物理拓扑中节点间的距离两个因素进行节点的动态分组,然后根据阈值过滤算法和节点综合能力计算选出每组的超级节点群组和备选超级节点集合。最后根据每组的超级节点负载情况动态更新该组的超级节点群组。实验结果表明通过该机制选出的超级节点在一定程度下,提供了较低的信息检索延迟,改善了移动P2P网络中资源定位成功率。2.针对多种恶意节点对于信任模型的攻击,使得信任模型对于节点信任值计算的准确度降低,导致信任模型中节点间交易成功率降低的问题。在动态分组的前提下,给出一种基于激励机制的信任模型（Trust Model based on Dynamic Grouping and Incentive Mechanism,DGIMTrust）。模型将节点间的信任关系分为组内节点间的信任和组间节点间的信任,并给出了两种不同信任的计算方式。为了遏制恶意节点对系统的危害,在信任计算时通过相对信誉差激励节点进行合作并惩罚恶意节点,并且使用反馈信息过滤算法通过检测所有节点反馈的相关性来消除虚假、不公平的反馈。实验结果表明,本模型能够有效抵御常见恶意攻击方式对模型的攻击,有效提高网络中资源交易成功率。
植欢[9]（2019）在《P2P网贷平台生存时间影响因素研究》文中研究表明P2P网络借贷行业借助互联网金融成本低、效率高的优势,在居民收入水平不断提升、个人投资理财意愿和小微企业借款难的背景下,得到了快速发展。行业发展至今已有12年,由于监管缺位和行业不规范,滋生出许多借着P2P网贷的名义进行自融和旁氏骗局的平台,这些平台的倒闭造成了居民财富的减少和社会的不稳定,许多人并不看好这个行业的发展。目前,P2P行业在全国范围内,按照《关于开展P2P网络借贷机构合规检查工作的通知》等文件政策要求,进行合规检查。有报道指出2019年下半年,部分发达地区将试点P2P平台备案工作,行业监管即将步入正轨,落实P2P行业信息中介定位。其实,早在2017年底,监管方面就提出了P2P平台备案的思路,但是由于P2P行业覆盖全国各个地区,具体监管措施的推进需要当地部门的配合,各地进展不一。部分地区监管部门结合自身情况,出台了针对地方的监管措施。鉴于P2P行业发展现状和趋势,以及目前P2P行业风险有关文献主要集中在对单个平台的研究上,本文通过爬取网贷之家数据,以停业或转型的P2P网贷平台为研究对象,运用扩展Cox模型,将每个平台的运营时间作为被解释变量,研究注册资本、注册地分布、平台背景、是否上线银行存管、是否加入行业协会、是否有第三方保障模式和债权转让业务共七个平台特征解释变量,以及货币供给、物价指数、汇率、股指、房地产景气情况共五个宏观经济金融环境解释变量对P2P平台的影响。通过理论、数据和实证分析得出P2P平台存在一定发展趋势和前景,同时需要做好风险的应对和预警。平台特征解释变量方面,注册资本并不是越高越好,更需要关注实缴资本;注册地的互联网经济状况和P2P行业竞争情况会影响P2P平台发展,因此,中部地区注册的P2P平台,风险高于东部平台;加入行业协会和上线银行存管能显着提升P2P平台的生存时间,而第三方保障模式和债权转让业务需进一步优化,才能达到降低风险的作用。宏观经济金融变量方面,经济繁荣时期的货币供给增加、房地产市场景气时期、人民币升值时,反而容易催生劣质标的和借款人,提高风险。而通货膨胀引起的债务贬值和股市上涨引起的投资成本提高,有利于P2P平台吸引投资理财者,并降低逾期风险,这些因素都需要引起P2P平台的重视。
刘力菡[10]（2019）在《我国P2P网络借贷平台的竞争策略研究》文中提出P2P网络借贷是个体和个体之间通过互联网平台实现的直接借贷。理论上互联网等技术可以使信息高效廉价地传播,从而减少信息不对称,使得投资人可以不依赖传统金融渠道而是通过平台的信息做出明智地判断,由此P2P网络借贷理论上可以增加投资人的收益、降低信贷配给,从而使得金融市场更加趋近于帕累托均衡,然而实际上我国P2P平台频繁发生风险,其本身已经成为了我国金融系统中一个不可忽视的风险源,降低平台风险成为了当前亟待解决的问题。合适的竞争策略是平台规避风险的有效手段,可以使平台适应变化的市场环境,从而在竞争中获取优势。然而,现有的研究主要集中在对P2P网络借贷风险的探讨以及平台的评估机制设计中,以平台本身为对象的研究较少,特别是平台的竞争策略的研究。P2P平台的竞争策略受平台所处的市场结构和监管政策制约,各国的P2P平台所处的金融环境不同,因此,立足中国P2P平台的市场环境,深化对P2P平台的竞争策略研究,对中国特色金融之路的健康发展具有积极的推动作用。本文致力于中国P2P平台市场结构及监管路径下,P2P网络借贷平台竞争策略的研究。本文的主要工作和研究成果如下:1.研究了平台策略与监管路径间的关系。监管路径对平台的模式、表现、风险以及策略起了决定性作用。各国金融监管政策的差异性形成了各国不同的P2P模式,其他国家P2P平台的研究结论未必适用于我国。长时间缺乏监管会导致平台过度竞争而增加风险。监管政策颁布到落实之间的等待期对平台市场的表现会产生不可忽略的影响。P2P网络借贷的监管政策决定了平台可以选择的竞争策略。因此,监管路径的研究是对P2P平台竞争策略研究的前提。2.本文实证研究了中国P2P平台市场。本文发现中国正常运营的P2P平台在借贷人数、成交量等主要特性的分布上具有长尾特征,从而得到平台分布的均值和方差不能代表大多数平台的结论,因此,实证研究中采用线性回归等基于正态分布假设的研究结论与事实存在较大差异。基于对已出问题的平台和正常运营的平台分布参数地拟合,进一步发现市场中的平台具有聚集效应,中国不同风险的平台特征不同,导致回归算法不适合用于分析整体市场。本文提出聚类算法可以较好地应用于我国P2P平台的市场研究。基于聚类算法的研究表明我国P2P平台市场中规模因素是平台风险的重要指征,理论上指征风险的平均借款利率反而不适用于区分平台风险。3.本文研究了中国P2P平台市场的结构,实证研究分析了中国P2P平台的规模分布和准入门槛,以确定平台的竞争策略。市场中企业规模的分布反映了市场整体的成长和动态演进过程,反映了产业集中度和经济周期水平的事实,进而可以得到市场的准入门槛。实证结果表明,我国P2P平台市场目前处于垄断竞争的状态,平台的规模分布从整体上更符合对数正态分布,其中,大平台的规模分布更接近幂律分布,小平台的规模分布不具有幂律分布的特征。因此,我国P2P市场平台的规模分布不均衡,资源向规模大的平台集中,P2P平台的市场存在隐性门槛。4.本文研究了中国的市场结构和监管路径下,P2P平台的市场进入策略、差异化策略和定价策略。本文将信息不对称和双边市场模型相结合,建立了基于收益期望和网络外部性的用户效用函数。根据我国P2P平台市场起步阶段和激烈竞争阶段所处市场环境得不同,建立了基于效用函数的平台增长速度模型和Hotelling模型,进而分析了平台初始规模、借款质量、平台基础服务以及用户期望等因素对平台竞争策略的影响。5.本文研究了多平台协作的竞争策略。应用大数据技术分析P2P平台的海量数据,实现多平台整体表现的优化控制,从而为P2P平台兼并及监管提供策略支持。当前我国监管部门及企业决策部门缺乏多平台协同控制相关的方法论,现有P2P平台数据并未得到有效利用,多平台间的协作模式较为简单。本文采用归纳法和反向迭代方法,利用自适应控制理论,根据政策推出到落实之间是否存在的等待期的不同,分别建立了基于市场规模和违约率的多平台协作的竞争策略模型,从而优化了多平台的整体表现,提升了稳定性。本文的创新点有:1.本文研究了P2P平台的市场结构。平台的市场结构是P2P平台竞争策略研究的基础,本文实证发现了中国P2P平台市场具有准入门槛,目前的市场结构处于垄断竞争状态,和常见的垄断或寡头垄断的假设不同。这是本文在研究问题上的创新。2.本文建立了基于信息不对称的双边市场模型,兼顾了P2P网络借贷平台的双边市场属性和信息不对称的特点,这是本文在理论研究上的主要创新。3.本文面向P2P平台兼并及监管需求,建立了基于自适应控制理论的多平台协作策略模型,实现了多平台的网络借贷系统整体性能的优化及稳定性的提高。这是本文在方法论上的创新。4.本文提出聚类算法可用于研究中国P2P平台市场。本文通过对P2P平台市场的具体参数拟合,发现中国P2P平台具有聚集性,论证了平台市场的分类是中国P2P平台竞争策略研究的前提。这是本文在方法论上的又一创新。5.本文发现线性回归不适用于P2P平台的实证研究,实证研究需要检验P2P平台市场的统计特征,数据时效性的选择需与研究阶段相匹配。这是本文在实证方法论上的创新。
二、P2P网络聚集计算估算方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、P2P网络聚集计算估算方法（论文提纲范文）
（1）基于P2P网络借贷平台的A公司互联网金融信用风险研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外文献述评 |
| 1.3 研究内容与方法 |
| 第二章 相关概念及理论 |
| 2.1 相关概念的界定 |
| 2.1.1 P2P网络借贷平台的概念 |
| 2.1.2 P2P网络借贷平台信用风险的概念 |
| 2.1.3 互联网金融信用风险的概念 |
| 2.2 相关理论 |
| 2.2.1 信用理论 |
| 2.2.2 风险测度理论 |
| 2.2.3 信息不对称理论 |
| 2.2.4 委托代理理论 |
| 第三章 A公司P2P网络借贷平台信用风险分析 |
| 3.1 A公司P2P网络借贷平台简介 |
| 3.1.1 A公司P2P网络借贷平台基本介绍 |
| 3.1.2 A公司P2P网络借贷平台业务流程 |
| 3.2 A公司P2P网络借贷平台信用风险现状 |
| 3.2.1 逾期金额增长 |
| 3.2.2 坏账金额增长 |
| 3.3 A公司P2P网络借贷平台信用风险的问题 |
| 3.3.1 信用风险防范机制的问题 |
| 3.3.2 借款人自身特征的问题 |
| 3.3.3 借款人外部环境的问题 |
| 3.4 违约借款人信用风险的影响因素分析 |
| 3.4.1 违约借款人基本信息分析 |
| 3.4.2 违约借款人借款信息分析 |
| 3.4.3 违约借款人交易特征分析 |
| 3.5 本章小结 |
| 第四章 A公司P2P网络借贷平台借款人信用风险实证分析 |
| 4.1 Logistic回归模型的选取原因及相关变量 |
| 4.1.1 Logistic回归的引入 |
| 4.1.2 模型选择依据 |
| 4.1.3 相关变量 |
| 4.2 数据来源 |
| 4.3 初步分析—因子分析 |
| 4.3.1 相关性检验 |
| 4.3.2 构建因子分析模型 |
| 4.4 进一步分析—Logistic回归分析 |
| 4.4.1 构建Logistic回归模型 |
| 4.4.2 模型检验 |
| 4.5 实证结果分析 |
| 4.6 实证小结 |
| 第五章 P2P网络借贷平台信用风险防范建议 |
| 5.1 完善借款人信用风险防范体系 |
| 5.2 对影响借款人信用风险的重点因素进行审查 |
| 5.3 建立借款人信息共享机制 |
| 5.4 实施借款人信用奖惩政策 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（2）P2P网络借贷对我国金融稳定的影响研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与技术路线 |
| 1.2.1 研究内容 |
| 1.2.2 技术路线 |
| 1.3 研究方法 |
| 1.4 创新点 |
| 2 基础理论与文献综述 |
| 2.1 基础理论 |
| 2.1.1 信息不对称理论 |
| 2.1.2 长尾理论 |
| 2.1.3 “二次脱媒”理论 |
| 2.1.4 金融脆弱性理论 |
| 2.1.5 监管套利理论 |
| 2.2 文献综述 |
| 2.2.1 金融稳定的内涵 |
| 2.2.2 金融稳定影响因素 |
| 2.2.3 P2P网络借贷与金融稳定影响因素的关系研究 |
| 2.2.4 P2P网络借贷监管与发展对策研究 |
| 2.2.5 维护金融稳定的对策研究 |
| 2.2.6 文献评述 |
| 3 我国P2P网络借贷对金融稳定的影响现状 |
| 3.1 我国P2P网络借贷行业总体发展现状 |
| 3.1.1 我国P2P网络借贷行业发展历程 |
| 3.1.2 我国P2P网络借贷主要运营模式 |
| 3.1.3 我国P2P网络借贷行业发展规模 |
| 3.1.4 我国P2P网络借贷监管政策 |
| 3.2 对金融稳定的影响效应 |
| 3.2.1 对金融市场稳定的影响 |
| 3.2.2 对金融机构稳定的影响 |
| 3.2.3 对金融基础设施稳定的影响 |
| 3.3 对金融稳定影响效应的测算与实证 |
| 3.3.1 我国金融稳定性指数的构建 |
| 3.3.2 影响效应的实证分析 |
| 4 P2P网络借贷对金融稳定的作用机理 |
| 4.1 货币政策的渠道 |
| 4.1.1 P2P网络借贷对货币需求的影响 |
| 4.1.2 P2P网络借贷对数量型货币政策调控的影响 |
| 4.1.3 P2P网络借贷对价格型货币政策调控的影响 |
| 4.1.4 实证分析 |
| 4.2 资金融通的渠道 |
| 4.2.1 P2P网络借贷对融资结构的影响 |
| 4.2.2 P2P网络借贷对融资效率的影响 |
| 4.2.3 实证分析 |
| 4.3 风险溢出的渠道 |
| 4.3.1 金融风险及其溢出效应 |
| 4.3.2 以P2P网贷平台为媒介的风险溢出方式 |
| 4.3.3 以融资者为媒介的风险溢出方式 |
| 4.3.4 以投资者为媒介的风险溢出方式 |
| 4.3.5 实证分析 |
| 4.4 监管套利的渠道 |
| 4.4.1 金融监管制度及其作用 |
| 4.4.2 我国P2P平台监管套利对金融监管制度有效性的影响 |
| 5 基于金融基础设施稳定的P2P网络借贷优化方案研究 |
| 5.1 区块链技术在P2P网络借贷征信体系建设的应用研究 |
| 5.1.1 我国P2P网络借贷平台征信面临的问题与挑战 |
| 5.1.2 区块链技术在P2P网络借贷征信体系建设的应用场景 |
| 5.2 构建基于大数据技术的网络借贷风险预警系统研究 |
| 5.2.1 大数据技术给现有的金融风险预警思维带来的冲击 |
| 5.2.2 建立P2P网络借贷风险预警系统的必要性 |
| 5.2.3 基于大数据技术的网络借贷风险预警系统的架构方案 |
| 5.2.4 网络借贷风险预警系统的实施过程 |
| 6 监管趋严背景下规范发展我国网络借贷行业的对策建议 |
| 6.1 持续完善金融基础设施建设 |
| 6.1.1 完善我国P2P网络借贷信息披露制度 |
| 6.1.2 加速推进区块链、大数据技术的落地应用 |
| 6.2 推进P2P网络借贷平台与小额贷款公司的深化合作 |
| 6.2.1 厘清小额贷款公司特征,寻找合作契合点 |
| 6.2.2 促进P2P网络借贷平台与小额贷款公司协同发展 |
| 6.3 积极应对包括P2P在内的互联网金融对货币政策的冲击 |
| 6.3.1 优化货币政策框架,提高货币政策效率 |
| 6.3.2 保持适当借贷利率水平 |
| 7 研究结论及展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）非结构化MP2P网络启发式资源搜索策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 2 相关技术介绍 |
| 2.1 P2P网络 |
| 2.1.1 P2P的概念和特点 |
| 2.1.2 P2P的拓扑结构 |
| 2.2 MP2P网络 |
| 2.2.1 MP2P的概念和特点 |
| 2.2.2 MP2P主要研究方向 |
| 2.3 移动网络环境下的P2P资源搜索策略研究 |
| 2.3.1 结构化搜索 |
| 2.3.2 非结构化盲目搜索 |
| 2.3.3 非结构化启发式搜索 |
| 2.3.4 混合式搜索 |
| 3 IKRW算法设计 |
| 3.1 算法设计思想 |
| 3.2 节点管理 |
| 3.2.1 节点数据结构管理 |
| 3.2.2 节点的加入和离开 |
| 3.3 导向因子计算 |
| 3.3.1 节点资源可得性 |
| 3.3.2 节点稳定性 |
| 3.3.3 节点信任值 |
| 3.3.4 综合导向因子 |
| 3.4 搜索过程 |
| 3.4.1 IKRW搜索算法描述 |
| 3.4.2 泛洪补充机制 |
| 4 仿真实验与结果分析 |
| 4.1 实验参数设置 |
| 4.2 实验比较对象选择及评价指标 |
| 4.3 实验结果分析 |
| 4.3.1 IKRW单个导向因子对算法性能的影响 |
| 4.3.2 节点数量变化时算法性能的比较 |
| 4.3.3 运行周期变化时算法性能的比较 |
| 5 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）基于GBDT系列算法的违约风险度量及其驱动的智能风险决策（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风险型决策研究现状 |
| 1.2.2 P2P网络贷款违约风险研究现状 |
| 1.3 研究思路与章节安排 |
| 1.3.1 研究思路 |
| 1.3.2 章节安排 |
| 第2章 研究基础 |
| 2.1 风险型决策及决策树理论基础 |
| 2.1.1 风险型决策简介 |
| 2.1.2 决策树理论简介 |
| 2.2 GBDT系列算法与因子分析概述 |
| 2.2.1 GBDT概述 |
| 2.2.2 XGBoost概述 |
| 2.2.3 Light GBM概述 |
| 2.2.4 因子分析(FA)概述 |
| 2.3 模型评价指标 |
| 2.4 数据概况及预处理 |
| 2.5 本章小结 |
| 第3章 基于GBDT系列算法的违约风险度量 |
| 3.1 基于决策树理论的投资者风险决策分析 |
| 3.2 基于GBDT系列算法的违约风险度量 |
| 3.2.1 违约风险在GBDT系列算法中的度量标准 |
| 3.2.2 基于GBDT系列算法的违约风险度量框架 |
| 3.2.3 划分数据集 |
| 3.3 三种GBDT系列算法违约风险度量的学习与检验 |
| 3.3.1 GBDT违约风险度量的学习与检验 |
| 3.3.2 XGBoost违约风险度量的学习与检验 |
| 3.3.3 Light GBM违约风险度量的学习与检验 |
| 3.4 三种GBDT系列算法效果对比 |
| 3.5 本章小结 |
| 第4章 耦合FA的 GBDT系列算法的违约风险度量 |
| 4.1 耦合FA的 GBDT系列算法违约风险度量思路 |
| 4.2 基于FA的贷款数据降维 |
| 4.3 耦合FA的三种GBDT系列算法的学习与检验 |
| 4.3.1 FA-GBDT违约风险度量的学习与检验 |
| 4.3.2 FA-XGBoost违约风险度量的学习与检验 |
| 4.3.3 FA-Light GBM违约风险度量的学习与检验 |
| 4.4 耦合FA的三种GBDT系列算法效果对比 |
| 4.5 本章小结 |
| 第5章 机器学习算法驱动的智能风险决策及其应用 |
| 5.1 机器学习算法驱动的智能风险决策框架 |
| 5.2 FA-XGBOOST驱动的智能风险决策在P2P中的应用 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 本文结论 |
| 6.2 文章创新 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表的论文 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 附录3 部分模型代码 |
（5）基于局部敏感哈希和结构化P2P网络的相似性图像检索的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究的背景及研究现状 |
| 1.1.1 研究背景 |
| 1.1.2 国内外研究现状 |
| 1.2 论文研究目标及内容 |
| 1.2.1 研究目标 |
| 1.2.2 研究内容 |
| 1.3 论文的来源和主要贡献 |
| 1.3.1 论文来源 |
| 1.3.2 论文的主要贡献 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第二章 相关技术和理论知识介绍 |
| 2.1 问题定义 |
| 2.2 相似性搜索 |
| 2.2.1 相似性索引的定义 |
| 2.2.2 相似性索引度量方法 |
| 2.2.3 相似性索引算法分类 |
| 2.3 局部敏感哈希算法 |
| 2.3.1 LSH原理 |
| 2.3.2 LSH算法框架 |
| 2.3.3 p-stable LSH |
| 2.4 P2P网络概述 |
| 2.4.1 P2P网络定义 |
| 2.4.2 P2P网络特点 |
| 2.4.3 P2P网络分类 |
| 2.5 P2P网络中的负载均衡问题 |
| 2.5.1 负载均衡的定义 |
| 2.5.2 结构化P2P系统中的负载均衡问题 |
| 2.5.3 基于虚拟节点的负载均衡方法 |
| 2.6 本章小结 |
| 第三章 基于LSH的分布式相似性图像索引负载均衡机制 |
| 3.1 引言 |
| 3.2 基于LSH的数据分布模型的构建 |
| 3.2.1 通用数据模型分析与构建 |
| 3.2.2 基于同构范式的数据分布模型 |
| 3.2.3 基于异构范式的数据分布模型 |
| 3.3 静态分布式相似性索引机制 |
| 3.3.1 数据索引创建 |
| 3.3.2 数据索引映射 |
| 3.4 静态分布式相似性索引机制的优点与不足 |
| 3.5 本章小结 |
| 第四章 基于虚拟节点的动态负载均衡算法 |
| 4.1 引言 |
| 4.2 负载网络模型 |
| 4.3 负载均衡策略 |
| 4.3.1 节点选择策略 |
| 4.3.2 数据对象传输策略 |
| 4.4 动态负载均衡算法 |
| 4.5 本章小结 |
| 第五章 实验评估 |
| 5.1 数据集介绍 |
| 5.2 实验设置 |
| 5.3 实验评价策略 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（6）P2P网络借贷市场风险研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 P2P网络借贷的含义 |
| 1.2.2 国外相关研究综述 |
| 1.2.3 国内相关研究综述 |
| 1.2.4 文献述评 |
| 1.3 研究方法、内容及框架 |
| 1.3.1 研究方法 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线图 |
| 1.3.4 创新点及不足之处 |
| 第2章 P2P网络借贷风险及市场风险度量方法概述 |
| 2.1 P2P网络借贷风险主要来源 |
| 2.1.1 长尾客户群体 |
| 2.1.2 信息不对称 |
| 2.1.3 宏观市场利率及行业内产品价格波动 |
| 2.2 P2P网络借贷风险主要类型 |
| 2.2.1 信用风险 |
| 2.2.2 操作风险 |
| 2.2.3 流动性风险 |
| 2.2.4 法律与政策风险 |
| 2.2.5 市场风险 |
| 2.2.6 声誉风险 |
| 2.3 P2P网络借贷风险特征 |
| 2.3.1 广泛蔓延性 |
| 2.3.2 迅速扩大性 |
| 2.3.3 可防控性 |
| 2.4 Va R及 CVa R方法概述 |
| 2.4.1 VaR方法的定义及其特点 |
| 2.4.2 Va R及 CVa R的计算 |
| 2.4.3 GARCH族模型 |
| 第3章 我国P2P网络借贷发展和市场风险现状分析 |
| 3.1 国内外P2P网络借贷平台运营模式 |
| 3.1.1 国外P2P网络借贷平台主要模式 |
| 3.1.2 国内P2P网络借贷平台主要模式 |
| 3.2 我国P2P网络借贷行业发展现状分析 |
| 3.2.1 我国P2P网络借贷行业发展历程 |
| 3.2.2 我国P2P网络借贷行业发展现状 |
| 3.3 我国P2P网络借贷市场风险现状分析 |
| 3.3.1 我国P2P网络借贷市场风险内部因素 |
| 3.3.2 我国P2P网络借贷市场风险外部因素 |
| 3.3.3 我国P2P网络借贷市场风险发展现状 |
| 第4章 我国P2P网络借贷市场风险度量的实证分析 |
| 4.1 变量选取及数据初步处理 |
| 4.1.1 变量的选取和数据来源 |
| 4.1.2 数据处理 |
| 4.2 数据检验 |
| 4.2.1 正态性检验 |
| 4.2.2 单位根检验 |
| 4.2.3 自相关检验 |
| 4.2.4 ARCH效应检验 |
| 4.3 引入虚拟变量的GARCH族模型的建立和选择 |
| 4.3.1 GARCH族模型的建立和参数估计 |
| 4.3.2 GARCH族模型的检验 |
| 4.4 Va R及 CVa R的计算与检验 |
| 4.4.1 VaR的计算及检验 |
| 4.4.2 CVaR的计算和检验 |
| 4.5 小结 |
| 第5章 对策建议 |
| 5.1 建立P2P网络借贷市场风险预警机制 |
| 5.1.1 构建科学的产品定价机制 |
| 5.1.2 利用CVaR等方法建立风险预警机制 |
| 5.2 加强监管体系建设 |
| 5.2.1 完善互联网金融法律法规制度建设 |
| 5.2.2 明确行业准入和退出机制 |
| 5.2.3 完善征信体系及评级机构建设 |
| 5.2.4 规范互联网金融平台的信息披露 |
| 5.3 提高参与主体风险防范能力 |
| 5.3.1 提高平台可持续发展的能力 |
| 5.3.2 提高投资人风险识别能力 |
| 第6章 研究结论及展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
（7）货币政策对网络借贷的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.导论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.3 研究内容与框架结构 |
| 1.4 主要创新与不足之处 |
| 1.4.1 创新之处 |
| 1.4.2 不足之处 |
| 2.相关理论基础与文献综述 |
| 2.1 相关理论基础 |
| 2.1.1 信息中介理论 |
| 2.1.2 网络外部性理论 |
| 2.1.3 利率传导理论 |
| 2.1.4 市场竞争理论 |
| 2.2 网络借贷影响因素研究 |
| 2.2.1 借款人特征对融资的影响 |
| 2.2.2 订单特征对融资的影响 |
| 2.2.3 网络借贷的其他相关研究 |
| 2.3 货币政策对网络借贷市场利率的影响研究 |
| 2.3.1 货币政策对正规金融的影响 |
| 2.3.2 货币政策对民间借贷的影响 |
| 2.3.3 正规金融与民间借贷间的互动研究 |
| 2.4 货币政策对网络借贷的波动溢出研究 |
| 2.4.1 货币政策对正规金融的波动溢出效应 |
| 2.4.2 货币政策对民间借贷的波动溢出效应 |
| 2.5 货币政策对网络借贷微观个体的影响研究 |
| 2.5.1 货币政策对正规金融微观融资的影响 |
| 2.5.2 货币政策对民间借贷微观融资的影响 |
| 2.6 金融信息化影响货币政策对网贷融资调控机制研究 |
| 2.6.1 金融信息化对网络借贷的影响研究 |
| 2.6.2 金融信息化对货币政策作用机制的影响研究 |
| 2.7 研究现状小结 |
| 3.货币政策对网络借贷利率的引导机制 |
| 3.1 理论分析与研究假说 |
| 3.1.1 货币政策对网络借贷和线下民间借贷的影响路径 |
| 3.1.2 网络借贷与线下民间借贷的共性和异质性 |
| 3.1.3 网络借贷与线下民间借贷的联动性和竞争性 |
| 3.2 数据分析与实证模型 |
| 3.2.1 实证模型 |
| 3.2.2 实证数据 |
| 3.2.3 数据平稳性检验 |
| 3.2.4 模型参数检验 |
| 3.2.5 时变(Time-Varying)随机波动分析 |
| 3.3 实证分析 |
| 3.3.1 价格型货币政策对两类民间借贷的冲击 |
| 3.3.2 数量型货币政策对两类民间借贷的冲击 |
| 3.3.3 两类民间借贷的利率联动机制及动态演化 |
| 3.3.4 两类民间借贷的长期均衡关系 |
| 3.4 本章小结 |
| 4.货币政策对网络借贷利率的波动溢出效应 |
| 4.1 理论分析与研究假说 |
| 4.1.1 货币政策对民间借贷的波动溢出机制 |
| 4.1.2 两类民间借贷的异质性及其对货币政策感知的差异性 |
| 4.1.3 网络借贷与线下民间借贷的波动溢出机制 |
| 4.2 数据分析与实证模型 |
| 4.2.1 数据选取和描述性分析 |
| 4.2.2 单元GARCH模型 |
| 4.2.3 多元BEKK-GARCH模型 |
| 4.3 单变量波动性实证分析 |
| 4.3.1 GARCH效应分析 |
| 4.3.2 风险收益分析 |
| 4.4 多变量波动溢出效应实证分析 |
| 4.4.1 全时段货币政策与民间借贷间的波动溢出效应 |
| 4.4.2 货币政策与民间借贷波动溢出效应的时变性 |
| 4.5 本章小结 |
| 5.货币政策对网贷微观个体融资的影响 |
| 5.1 理论分析与研究假说 |
| 5.1.1 货币政策对网贷融资成功率的作用机制 |
| 5.1.2 货币政策对网贷融资成本的作用机制 |
| 5.1.3 货币政策对网贷违约风险的作用机制 |
| 5.2 数据分析与实证模型 |
| 5.2.1 模型设定 |
| 5.2.2 研究样本 |
| 5.2.3 变量说明及描述性统计 |
| 5.3 实证分析 |
| 5.3.1 货币政策对网络借贷融资成功率的影响 |
| 5.3.2 货币政策对网络借贷融资成本的影响 |
| 5.3.3 货币政策对融资成功率和融资成本影响的时空差异性 |
| 5.4 进一步研究:货币政策对网络借贷还款违约率的影响 |
| 5.4.1 货币政策对网贷还款违约率的影响 |
| 5.4.2 货币政策对还款违约率影响的空间差异 |
| 5.5 本章小结 |
| 6.金融信息化差异下货币政策对网贷融资的影响 |
| 6.1 理论分析和研究假说 |
| 6.1.1 金融信息化对网贷融资的影响 |
| 6.1.2 金融信息化影响货币政策对网贷融资的调控作用 |
| 6.2 数据分析与实证模型 |
| 6.2.1 模型设定 |
| 6.2.2 研究样本 |
| 6.2.3 信息化进程测度 |
| 6.2.4 描述性统计 |
| 6.3 实证分析 |
| 6.3.1 金融信息化对网络借贷融资的影响 |
| 6.3.2 金融信息化差异下货币政策对网贷融资的影响 |
| 6.3.3 金融信息化影响货币政策对网贷融资调控作用的时空差异 |
| 6.4 本章小结 |
| 7.结论与研究展望 |
| 7.1 主要结论 |
| 7.2 政策建议 |
| 7.3 研究展望 |
| 参考文献 |
| 后记 |
| 致谢 |
| 在读期间科研成果目录 |
（8）移动P2P网络中基于动态分组和激励机制的信任模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 移动P2P网络及相关技术研究现状 |
| 1.2.1 移动P2P网络研究现状 |
| 1.2.2 移动P2P网络相关技术研究现状 |
| 1.3 论文工作和章节安排 |
| 1.3.1 论文工作 |
| 1.3.2 章节安排 |
| 第2章 移动P2P网络及其信任模型概述 |
| 2.1 引言 |
| 2.2 移动P2P网络特点及常见攻击行为 |
| 2.2.1 移动P2P网络特点 |
| 2.2.2 移动P2P网络常见攻击行为 |
| 2.3 经典移动P2P网络信任模型概述 |
| 2.4 激励机制 |
| 2.4.1 激励机制概念 |
| 2.4.2 移动P2P网络中激励机制分类 |
| 2.5 信任模型设计原则 |
| 2.6 本章小结 |
| 第3章 基于动态分组的超级节点选取机制 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.2.1 节点常见的聚类方式 |
| 3.2.2 超级节点选取机制研究 |
| 3.3 节点的管理 |
| 3.3.1 节点定义 |
| 3.3.2 节点的加入 |
| 3.3.3 节点的离开 |
| 3.4 动态分组流程 |
| 3.5 超级节点选取机制 |
| 3.5.1 阈值过滤筛选备选超级节点集合 |
| 3.5.2 超级节点选取策略 |
| 3.5.3 备选超级节点选取策略 |
| 3.6 系统流程和算法复杂度分析 |
| 3.6.1 系统流程 |
| 3.6.2 算法流程 |
| 3.6.3 复杂度分析 |
| 3.7 算法仿真验证 |
| 3.7.1 实验环境设置 |
| 3.7.2 动态分组前后的节点分布 |
| 3.7.3 信息检索延迟仿真验证 |
| 3.7.4 网络资源定位成功率仿真验证 |
| 3.8 本章小结 |
| 第4章 基于激励机制的移动P2P网络信任模型 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 系统模型 |
| 4.3.1 系统模型 |
| 4.3.2 系统流程 |
| 4.4 信任值的计算 |
| 4.4.1 直接信任值 |
| 4.4.2 推荐信任值 |
| 4.4.3 激励机制 |
| 4.4.4 组内信任值的计算 |
| 4.4.5 组间信任值的计算 |
| 4.5 反馈信息过滤算法 |
| 4.6 仿真验证与结果分析 |
| 4.6.1 仿真环境设置 |
| 4.6.2 交易成功率仿真验证 |
| 4.6.3 查询失败率仿真验证 |
| 4.6.4 拓扑适应开销仿真验证 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（9）P2P网贷平台生存时间影响因素研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 创新点 |
| 第2章 文献综述 |
| 2.1 国外研究现状 |
| 2.1.1 P2P借贷市场的产生及优势研究 |
| 2.1.2 P2P用户行为研究 |
| 2.2 国内研究现状 |
| 2.2.1 平台特征因素影响研究 |
| 2.2.2 宏观经济对平台的影响研究 |
| 2.2.3 监管政策对平台的影响研究 |
| 2.2.4 P2P网贷市场发展的作用研究 |
| 2.3 本章小结 |
| 第3章 P2P行业发展的风险及优势理论 |
| 3.1 平台风险理论分析 |
| 3.1.1 信息不对称理论 |
| 3.1.2 金融脆弱性 |
| 3.1.3 羊群效应理论 |
| 3.2 平台优势理论分析 |
| 3.2.1 互联网金融理论 |
| 3.2.2 普惠金融理念 |
| 3.3 本章小结 |
| 第4章 P2P平台生存时间影响因素实证分析 |
| 4.1 建立模型 |
| 4.1.1 风险函数 |
| 4.1.2 比例风险模型和扩展Cox模型 |
| 4.2 研究假设、变量及数据来源 |
| 4.2.1 平台特征变量选取及研究假设 |
| 4.2.2 宏观经济解释变量及研究假设 |
| 4.2.3 样本选取及数据来源 |
| 4.2.4 变量及说明 |
| 4.3 描述性分析 |
| 4.3.1 解释变量统计分析 |
| 4.3.2 寿命表分析 |
| 4.3.3 K-M分析 |
| 4.4 P2P平台运营时间影响的实证分析 |
| 4.4.1 模型的构建 |
| 4.4.2 回归结果及解释 |
| 4.4.3 模型的检验 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）我国P2P网络借贷平台的竞争策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究目的与内容 |
| 1.2.1 研究目的 |
| 1.2.2 研究内容 |
| 1.3 研究方法与路线 |
| 1.3.1 研究方法 |
| 1.3.2 研究路线 |
| 1.4 本研究的主要创新点 |
| 第二章 文献综述 |
| 2.1 金融体系与利率自由化 |
| 2.2 信贷配给与中小企业融资难 |
| 2.3 信息不对称、声誉与信任机制 |
| 2.4 网络外部性与双边市场 |
| 2.5 P2P网络借贷的研究 |
| 2.5.1 P2P平台的借款利率 |
| 2.5.2 P2P平台借款的信用评估 |
| 2.5.3 P2P平台的评估机制 |
| 2.5.4 P2P平台的风险与监管 |
| 2.5.5 P2P平台的竞争 |
| 2.6 对现有研究的点评 |
| 第三章 金融环境与各国P2P网络借贷平台的发展 |
| 3.1 金融监管与P2P网络借贷框架 |
| 3.1.1 美国的金融监管与P2P网络借贷框架 |
| 3.1.2 日本的金融监管与P2P网络借贷框架 |
| 3.1.3 中国、英国及其他国家的金融监管与P2P网络借贷框架 |
| 3.1.4 各国P2P网络借贷框架的评述 |
| 3.2 监管真空对P2P平台的影响 |
| 3.2.1 P2P网络借贷平台的风险 |
| 3.2.2 监管真空下P2P平台策略及表现 |
| 3.3 监管政策的变动对P2P平台表现的影响 |
| 3.3.1 准入门槛的设立对P2P平台的影响 |
| 3.3.2 监管政策等待期对P2P平台策略的影响 |
| 3.4 中国P2P监管政策对P2P平台策略的影响 |
| 3.5 各国P2P网络借贷市场监管政策的比较研究 |
| 3.6 本章小结 |
| 第四章 中国P2P网络借贷平台的市场结构 |
| 4.1 企业规模分布 |
| 4.2 企业分布的马尔可夫链模型 |
| 4.3 中国P2P市场规模分布 |
| 4.3.1 数据来源 |
| 4.3.2 统计方法及平台分布 |
| 4.4 中国P2P市场规模分布曲线拟合 |
| 4.4.1 大平台帕累托分布检验及参数估计 |
| 4.4.2 小平台对数正态分布的参数估算 |
| 4.4.3 对Gibrat定律的验证 |
| 4.5 问题平台的特征及中国P2P市场的分类 |
| 4.5.1 聚类算法的基本原理 |
| 4.5.2 中国P2P平台市场的分类及结果 |
| 4.5.3 P2P平台的风险特征 |
| 4.6 本章小结 |
| 第五章 P2P网络借贷平台的竞争策略 |
| 5.1 P2P网络借贷市场效用模型 |
| 5.2 用户数量无限的市场环境 |
| 5.2.1 平台增长速度模型 |
| 5.2.2 平台竞争策略 |
| 5.3 用户数量有限的市场环境 |
| 5.3.1 基础模型 |
| 5.3.2 P2P平台的定价策略 |
| 5.3.3 P2P平台进入策略 |
| 5.4 我国P2P平台市场环境下平台的竞争策略 |
| 5.5 本章小结 |
| 第六章 P2P网络借贷多平台协作策略 |
| 6.1 平台兼并与精细监管 |
| 6.2 多平台协作模型 |
| 6.2.1 无等待期的协作策略 |
| 6.2.2 有等待期的协作策略 |
| 6.3 本章小结 |
| 第七章 P2P网络借贷平台的竞争策略案例研究 |
| 7.1 产品差异化策略 |
| 7.1.1 纵向差异化策略 |
| 7.1.2 横向差异化策略 |
| 7.1.3 空间差异化策略 |
| 7.1.4 声誉差异化策略 |
| 7.2 借款利率的定价策略 |
| 7.3 扩张策略 |
| 7.4 案例研究 |
| 7.4.1 拍拍贷 |
| 7.4.2 翼龙贷 |
| 7.4.3 e租宝 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究的主要结论 |
| 8.2 不足与展望 |
| 参考文献 |
| 附录 |
| 附录1 中国P2P网络借贷的监管制度、法律法规以及监管历史 |
| 附录2 美国P2P网络借贷的监管制度、法律法规 |
| 附录3 英国P2P网络借贷的监管制度、法律法规以及监管历史 |
| 附录4 中国P2P平台市场统计数据图 |
| 附录5 中国P2P平台分布图 |
| 致谢 |
| 攻读学位期间参与的研究项目 |
| 攻读学位期间发表的学术论文目录 |
四、P2P网络聚集计算估算方法（论文参考文献）
- [1]基于P2P网络借贷平台的A公司互联网金融信用风险研究[D]. 刘嘉萌. 西安石油大学, 2020(12)
- [2]P2P网络借贷对我国金融稳定的影响研究[D]. 塔琳. 北京交通大学, 2020(03)
- [3]非结构化MP2P网络启发式资源搜索策略研究[D]. 张婷. 大连理工大学, 2020(02)
- [4]基于GBDT系列算法的违约风险度量及其驱动的智能风险决策[D]. 周莲莹. 武汉科技大学, 2020(02)
- [5]基于局部敏感哈希和结构化P2P网络的相似性图像检索的研究[D]. 沈露. 南京邮电大学, 2019(02)
- [6]P2P网络借贷市场风险研究[D]. 龚虹琳. 南昌大学, 2019(01)
- [7]货币政策对网络借贷的影响研究[D]. 梁洪. 西南财经大学, 2019(12)
- [8]移动P2P网络中基于动态分组和激励机制的信任模型研究[D]. 王成宇. 重庆邮电大学, 2019(01)
- [9]P2P网贷平台生存时间影响因素研究[D]. 植欢. 哈尔滨工业大学, 2019(02)
- [10]我国P2P网络借贷平台的竞争策略研究[D]. 刘力菡. 北京邮电大学, 2019(08)