基于生猪产业大数据的小额贷款模式研究——以农信互联为例 |
论文目录 | | 致谢 | 第1-6页 | 摘要 | 第6-7页 | Abstract | 第7-11页 | 1 绪论 | 第11-19页 | 1.1 选题背景与研究意义 | 第11-13页 | 1.2 国内外研究文献综述 | 第13-16页 | 1.2.1 国外研究文献综述 | 第13-14页 | 1.2.2 国内研究文献综述 | 第14-15页 | 1.2.3 文献评述 | 第15-16页 | 1.3 研究内容与方法 | 第16-17页 | 1.3.1 研究内容 | 第16页 | 1.3.2 研究方法 | 第16-17页 | 1.4 研究技术路线图 | 第17-18页 | 1.5 论文的创新点与不足 | 第18-19页 | 2 概念、理论及产业现状 | 第19-29页 | 2.1 概念与理论 | 第19-22页 | 2.1.1 小额贷款 | 第19-20页 | 2.1.2 生猪产业链 | 第20-21页 | 2.1.3 农业大数据 | 第21页 | 2.1.4 产业链融资 | 第21-22页 | 2.2 我国生猪产业“互联网+”现状 | 第22-23页 | 2.3 我国生猪产业融资问题现状 | 第23-27页 | 2.3.1 传统银行缺乏积极性 | 第23-24页 | 2.3.2 养殖业风险高,难获得低成本融资 | 第24-25页 | 2.3.3 农户征信缺失,中小猪场面临困境 | 第25-26页 | 2.3.4 缺少有价值抵押物 | 第26-27页 | 2.4 我国生猪产业主要小额贷款模式分析 | 第27-29页 | 2.4.1 农户联保模式 | 第27页 | 2.4.2 “农户+区域龙头企业+银行”捆绑模式 | 第27-28页 | 2.4.3 “农户+企业+银行+农业保险”合作模式 | 第28页 | 2.4.4 “农户+互联网金融”模式 | 第28-29页 | 3 基于生猪产业大数据的小额贷款模式案例分析 | 第29-40页 | 3.1 基于生猪产业大数据的平台运营模式简介 | 第29-30页 | 3.2 农信互联的小额贷款模式分析 | 第30-36页 | 3.2.1 目标客户 | 第30页 | 3.2.2 产品类型 | 第30-31页 | 3.2.3 利率水平 | 第31-32页 | 3.2.4 资金来源 | 第32-34页 | 3.2.5 风险控制 | 第34-35页 | 3.2.6 业务流程 | 第35-36页 | 3.3 农信互联小额贷款的优势与劣势分析 | 第36-40页 | 3.3.1 农信互联小额贷款的优势 | 第36-37页 | 3.3.2 农信互联小额贷款的劣势 | 第37-39页 | 3.3.3 农信互联小额贷款的SWOT分析 | 第39-40页 | 4 生猪产业大数据在小额贷款中的应用分析 | 第40-52页 | 4.1 生猪产业大数据的分类与采集 | 第40-42页 | 4.1.1 生猪产业大数据的分类 | 第40-41页 | 4.1.2 生猪产业大数据的采集 | 第41-42页 | 4.2 生猪产业大数据的处理分析 | 第42-46页 | 4.2.1 生猪产业大数据的分析流程 | 第42-44页 | 4.2.2 生猪产业大数据的共享机制 | 第44-46页 | 4.3 生猪产业大数据的实践应用 | 第46-48页 | 4.3.1 生猪产业大数据的宏观应用——以生猪市场价格指数为例 | 第46-47页 | 4.3.2 生猪产业大数据的微观应用——以农信度信用评分机制为例 | 第47-48页 | 4.4 生猪产业大数据的融资应用分析 | 第48-52页 | 4.4.1 基于大数据的征信应用 | 第48-49页 | 4.4.2 基于大数据的风险控制 | 第49-50页 | 4.4.3 基于大数据的精准营销 | 第50-52页 | 5 生猪产业大数据在解决融资问题的建议 | 第52-56页 | 5.1 以产业链融资,解决传统银行缺位问题 | 第52-53页 | 5.2 以大数据的征信应用,解决农户征信缺失问题 | 第53-54页 | 5.3 以大数据的风险控制,解决养殖业高风险问题 | 第54-55页 | 5.4 以大数据的精准营销,解决无抵押物问题 | 第55-56页 | 6 本文结论与展望 | 第56-57页 | 6.1 结论 | 第56页 | 6.2 展望 | 第56-57页 | 参考文献 | 第57-59页 |
|
|
|