本書展開對互聯(lián)網(wǎng)金融信用風險測度的研究，主要從以下五個方面闡述：(1)全面梳理互聯(lián)網(wǎng)金融信用風險相關概念、理論及測度方法。本篇論文通過緒論部分的文獻全面綜述發(fā)現(xiàn)，互聯(lián)網(wǎng)金融業(yè)務經(jīng)營主體信用風險的測度研究具有一定現(xiàn)實意義與理論價值。(2)互聯(lián)網(wǎng)金融信用風險違約狀態(tài)判定的實證研究。以財務數(shù)據(jù)為基礎的數(shù)理統(tǒng)計模型是被業(yè)界廣泛接受并證明有效的信用風險測度方法。本研究結(jié)合互聯(lián)網(wǎng)金融混業(yè)經(jīng)營的特點，通過選取經(jīng)營互聯(lián)網(wǎng)金融業(yè)務上市公司作為樣本，采用數(shù)理統(tǒng)計模型中經(jīng)典的多元判別分析以及回歸模型進行互聯(lián)網(wǎng)金融信用風險測度的實證研究。(3)選擇具有現(xiàn)代金融理論基礎的KMV模型對互聯(lián)網(wǎng)金融業(yè)務經(jīng)營主體信用風險測度實證研究。實證研究結(jié)果顯示，模型通過了適用性、穩(wěn)健性檢測；相對于只能判定違約狀態(tài)的多元線性判別模型以及非線性回歸模型，KMV模型更適合互聯(lián)網(wǎng)金融信用風險的測度。(4)GARCH與EGARCH-M對KMV模型的股權(quán)價值波動率因素進行改良，實證研究改良后的模型對互聯(lián)網(wǎng)金融業(yè)務經(jīng)營主體信用風險惡化的反映是否更加及時。模型原有的股權(quán)價值波動率是采用統(tǒng)計方法計算，而GARCH模型的計算方法雖然能夠提高收益率時變性的描述，但是要求樣本正態(tài)分布，EGARCH-M在這點上具有優(yōu)越性。(5)EGARCH-M模型改良的KMV模型對互聯(lián)網(wǎng)金融信用風險的測度結(jié)果從宏觀和微觀角度進行應用研究。本書基于互聯(lián)網(wǎng)金融業(yè)務經(jīng)營主體角度研究信用風險測度與應用，旨在拓寬互聯(lián)網(wǎng)金融信用風險的研究角度以及豐富現(xiàn)有實證研究成果，為我國互聯(lián)網(wǎng)金融企業(yè)的存續(xù)經(jīng)營以及行業(yè)的健康發(fā)展提供有價值的參考思路。