《表1 变量统计性描述：P2P网络借贷市场信用风险识别》
提示：宽带有限、当前游客访问压缩模式
同样根据实际交易流程，本文进一步分析平台的信用识别机制如何对借款人确定借款利率产生影响，P2P平台如何确定借款人信用等级，以及哪些指标对投资者的投资决策产生影响。
| 图表编号 | XD00141857200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.15 |
| 作者 | 蒋先玲、张庆波、程健 |
| 绘制单位 | 对外经济贸易大学、对外经济贸易大学、中国出口信用保险公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 变量统计性描述：大数据驱动的P2P网络借贷成功率模型与仿真研究》2020.09.01
- 《表1 4种模型性能比较：基于机器学习的P2P网络借贷违约风险识别模型比较——以“人人贷”为例》2020.06.10
- 《表1 混淆矩阵示意图：P2P网络借贷信用风险度量模型的对比研究——以“Prosper”和“拍拍贷”为例》2019.12.30
- 《表1 变量的描述性统计：P2P网络借贷中借款用途对投资偏好的影响》2019.12.01
- 《表7 成分得分系数矩阵：P2P网络借贷平台信用风险识别研究》2019.10.10
- 《表6 旋转成分矩阵：P2P网络借贷平台信用风险识别研究》2019.10.10
- 《表5 成分贡献率表：P2P网络借贷平台信用风险识别研究》2019.10.10
- 《表1 指标体系：P2P网络借贷平台信用风险识别研究》2019.10.10
- 《表2 描述性统计：P2P网络借贷利率与信用评分——国内外实证比较》2019.09.05
- 《表4 其他信息控制变量：P2P网络借贷利率与信用评分——国内外实证比较》2019.09.05
- 《表1 变量详情：P2P网络借贷利率与信用评分——国内外实证比较》2019.09.05
- 《表3:声誉回归结果：借款人声誉与风险识别——来自P2P网络借贷的证据》2019.06.25
- 《表7:稳健性检验：借款人声誉与风险识别——来自P2P网络借贷的证据》2019.06.25
- 《表4 变量描述性统计：高收入者参与P2P网络借贷的动机:基于信息不对称的视角》2019.07.15
- 《表8 精准率及召回率：P2P网络借贷平台风险防控机制和预警体系——基于信用中介化与流动性风险视角》2019.03.15
- 《表6 弱工具识别检验：P2P网络借贷平台风险防控机制和预警体系——基于信用中介化与流动性风险视角》2019.03.15
- 《表3 模型预测结果：基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测》2018.02.15
- 《表4 变量说明：基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测》2018.02.15
- 《表1 混淆矩阵：基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测》2018.02.15
- 《表2 参数估计：基于Lasso-Logistic模型的P2P网络借贷信用风险度量》2018.03.30