p2p網(wǎng)貸的信用風(fēng)險(xiǎn)評(píng)估研究.doc

《p2p網(wǎng)貸的信用風(fēng)險(xiǎn)評(píng)估研究.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、P2P網(wǎng)貸的信用風(fēng)險(xiǎn)評(píng)估研究【摘要】互聯(lián)網(wǎng)背景下，P2P網(wǎng)貸高速發(fā)展，個(gè)人信用風(fēng)險(xiǎn)評(píng)估尤為重要，但我國(guó)還沒有建立完善的個(gè)人信用評(píng)分體系,傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估方法很難達(dá)到滿意的效果。本文借鑒以往的相關(guān)研究，綜合考慮指標(biāo)體系設(shè)置的各項(xiàng)原則，選取了婚姻狀況、年齡、工作年限等十項(xiàng)指標(biāo)，運(yùn)用Logistic回歸模型，通過實(shí)證分析，對(duì)個(gè)人信用風(fēng)險(xiǎn)進(jìn)行了評(píng)估?！娟P(guān)鍵詞】P2P網(wǎng)貸信貸風(fēng)險(xiǎn)Logit回歸P2P網(wǎng)貸是在互聯(lián)網(wǎng)環(huán)境下發(fā)展起來(lái)的一種全新的借貸模式，但是隨著P2P網(wǎng)貸的發(fā)展，信譽(yù)問題隨之而來(lái)。其中，缺乏專業(yè)的平臺(tái)信審程序是造成無(wú)法準(zhǔn)確評(píng)

2、估借款人信用的最主要原因，因此，木文擬從個(gè)人客戶的基本信息、個(gè)人客戶的貸款記錄、個(gè)人客戶的還貸記錄等資料屮選取影響借款人還款意原和能力的指標(biāo)，嘗試構(gòu)建Logistic回歸模型；進(jìn)一步地，采集人人貸、宜信、紅嶺創(chuàng)投、拍拍貸、有利網(wǎng)五家P2P平臺(tái)的樣本數(shù)據(jù)，通過實(shí)證分析對(duì)網(wǎng)貸平臺(tái)信用風(fēng)險(xiǎn)的評(píng)價(jià)起到一定的決策支持作用。一、Logistic回歸模型Logistic回歸模型。在Logit回歸中，只需建立以logit(P)為因變量，建立包含P個(gè)因變量的Logistic回歸模型如下：■(1)其中，X=(X1X2……Xp)T為p維向量，(

3、3132……Pp)為待求的系數(shù)。這就是Logistic回歸模型。由（1）可推導(dǎo)出：■（2）■（3）己知本文YE（0，1），現(xiàn)定義為第i個(gè)客戶按時(shí)還款，Yi=0為第i個(gè)客戶違約，在Logistic回歸中本文定義P為客戶按時(shí)還款的概率，即國(guó)。二、建立Logit回歸模型（一）模型指標(biāo)的選取指標(biāo)變量的信息需耍涵蓋個(gè)人客戶三個(gè)方面的信息：個(gè)人客戶的基本信息、個(gè)人客戶的貸款記錄、個(gè)人客戶的還貸記錄。本文選擇10項(xiàng)具有普遍性和代表性的指標(biāo)作為木文的評(píng)價(jià)指標(biāo)變量，并建立個(gè)人信用風(fēng)險(xiǎn)評(píng)價(jià)模型。本文對(duì)指標(biāo)進(jìn)行了分類、賦值，如表1。表1指標(biāo)分述

4、木文將原始數(shù)據(jù)經(jīng)過賦值處理后，通過SPSS軟件對(duì)數(shù)據(jù)進(jìn)行l(wèi)ogit回歸處理，運(yùn)用逐步向前回歸方法來(lái)篩選對(duì)因變量影響最顯著的變量，將其納入模型。由分析結(jié)果可以得出，工作年限的回歸系數(shù)為正，表明其數(shù)值越大，該客戶還款的概率就越大。工作年限是反映客戶工作經(jīng)驗(yàn)積累的一個(gè)指標(biāo)，工作時(shí)間越長(zhǎng)，擁有的資產(chǎn)會(huì)多一些，違約的概率越小，反之,違約概率較大，即工作時(shí)間較短的客戶違約風(fēng)險(xiǎn)大于工作年限長(zhǎng)的客戶,因此其違約的概率也相應(yīng)提升。年收入范圍在0.05的顯著性水平下與是否違約呈現(xiàn)出正相關(guān)。收入情況直接決定了借款人財(cái)務(wù)狀況和還款能力，收入越高，

5、選擇誠(chéng)信的可能性就越大，還款能力越強(qiáng)，違約的幾率也就越低。這也與實(shí)際狀況相符，高收入人群往往能夠更快地還清貸款。近半年信用卡逾期次數(shù)、近半年貸款逾期次數(shù)兩個(gè)指標(biāo)在一定程度上是衡量客戶信用以及經(jīng)濟(jì)狀況的指標(biāo)，本文之所以選擇近半年為時(shí)間段是因?yàn)镻2P小額貸款是跖對(duì)個(gè)人以及一些小型企業(yè)進(jìn)行的小額、短期的借貸活動(dòng)，近半年的各種信用指標(biāo)在很大程度上能夠折射出客戶近期的經(jīng)濟(jì)狀況、信用狀況，以及未來(lái)短期時(shí)間內(nèi)的還款能力。二者都與是否違約呈現(xiàn)出負(fù)相關(guān)，即逾期次?翟蕉啵?信用狀況越差，違約的可能性也相應(yīng)的提高。將相應(yīng)的參數(shù)代入到模型巾可得:

6、根據(jù)式（2）或者（3）即可得出客戶相應(yīng)的還款概率P。選取樣本中的一組數(shù)字舉例來(lái)說，X6=0.8,X7=0.8,X9=0,X10=l,即可得出logit（P）=3.5906,進(jìn)而得出國(guó)，即還款概率為97.32%。（二）模型檢驗(yàn)通過向前逐步回歸，得到的分類預(yù)測(cè)結(jié)果。由此可以看出，該回歸對(duì)于個(gè)人信用風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確率較高，對(duì)于參與檢驗(yàn)的樣本的預(yù)測(cè)準(zhǔn)確率達(dá)到了89.2%。在最后一步的回歸屮，未償還貸款的29個(gè)樣本，21個(gè)預(yù)測(cè)結(jié)果為違約，8個(gè)被誤測(cè)為不違約，準(zhǔn)確率達(dá)到了72.4%。在按時(shí)還款的91個(gè)樣本中，86個(gè)準(zhǔn)確預(yù)測(cè)，5個(gè)被誤測(cè)違

7、約，準(zhǔn)確率達(dá)到了94.5%。易知，運(yùn)用Logit回歸對(duì)個(gè)人信用風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，具有較高的準(zhǔn)確率和可信度。三、結(jié)論與展望本文借助構(gòu)建個(gè)人信用風(fēng)險(xiǎn)評(píng)價(jià)的Logit回歸模型，基于五家P2P平臺(tái)的120組樣本數(shù)據(jù)，實(shí)證分析表明：工作年限、年收入、近半年信用卡逾期次數(shù)、近半年貸款逾期次數(shù)指標(biāo)在反映個(gè)人信用風(fēng)險(xiǎn)狀況方面具有較好的代表性，對(duì)于是否違約的樣本預(yù)測(cè)準(zhǔn)確率分別達(dá)到72.4%、94.5%，并且模型整體預(yù)測(cè)準(zhǔn)確率達(dá)到89.2%，表明該模型具有一定的實(shí)際使用價(jià)值。事實(shí)上影響客戶能否按時(shí)還款的因素還有很多，除了一些能夠量化的因素之外，客

8、戶本身的道德品質(zhì)更是一個(gè)關(guān)鍵因素。因此，今后的研究如能添加對(duì)一些非量化因素的考量，勢(shì)必能為P2P網(wǎng)貸信用風(fēng)險(xiǎn)的評(píng)價(jià)、預(yù)測(cè)以及后續(xù)的風(fēng)險(xiǎn)響應(yīng)和規(guī)避等勾勒出一幅完美的圖景。參考文獻(xiàn)[1]陳為民，馬超群，馬林.我國(guó)個(gè)人信用評(píng)分的發(fā)展趨勢(shì)[J].商業(yè)研究，2010,(1)：98-101.[2]王繼暉，李成.網(wǎng)絡(luò)