陳鹿婧 楊青驥 孫超凡 汪小燕

摘 要：以違約的概率作為信用評(píng)估風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)，構(gòu)建P2P機(jī)構(gòu)的借款人信貸風(fēng)險(xiǎn)的logit模型，并對(duì)模型進(jìn)行實(shí)證分析。結(jié)果表明，貸款金額，貸款期限，已還金額比，近期還款額這四個(gè)指標(biāo)對(duì)借款人信貸違約風(fēng)險(xiǎn)的影響最為明顯。通過(guò)進(jìn)一步驗(yàn)證，證明借款人信貸風(fēng)險(xiǎn)的logit模型在對(duì)P2P機(jī)構(gòu)的借款者信貸評(píng)估上具有較高的準(zhǔn)確性，可以作為P2P企業(yè)內(nèi)部風(fēng)險(xiǎn)控制的根據(jù)。

關(guān)鍵詞：P2P公司 信用評(píng)估 風(fēng)險(xiǎn)控制 logit模型

創(chuàng)新項(xiàng)目：上海金融學(xué)院推薦2015度年上海市大學(xué)生創(chuàng)新活動(dòng)計(jì)劃。

一、引言

“P2P”是英文peer to peer的簡(jiǎn)寫形式。P2P的基本定義是一種依附于互聯(lián)網(wǎng)信息平臺(tái)和個(gè)體電子設(shè)備的新型金融中介服務(wù)模式。這種借貸模式起源于英國(guó)，2005年之后迅速在全世界范圍內(nèi)推廣.

在中國(guó)，從2007年首家P2P公司拍拍貸成立，到2010年全國(guó)僅10家，再到現(xiàn)在全中國(guó)共有2595家P2P網(wǎng)絡(luò)貸款公司。隨著我國(guó)P2P市場(chǎng)的不斷壯大，問(wèn)題平臺(tái)的比重也隨之逐步上升。根據(jù)2015年的數(shù)據(jù)顯示，全國(guó)的2595家網(wǎng)貸公司中有896家屬于問(wèn)題平臺(tái)，占總數(shù)的34.5%，較2014年翻了一倍。金融秩序也由此受到的不同程度上負(fù)面的影響，所以P2P公司內(nèi)部的風(fēng)險(xiǎn)控制顯得至關(guān)重要。我國(guó)P2P公司的內(nèi)部風(fēng)險(xiǎn)主要分為以下三種：由于借款者道德缺失而引發(fā)的信用風(fēng)險(xiǎn)、由于網(wǎng)絡(luò)技術(shù)失控引發(fā)的操作風(fēng)險(xiǎn)、由于交易的局限性而導(dǎo)致的流動(dòng)性風(fēng)險(xiǎn)。而對(duì)內(nèi)部風(fēng)險(xiǎn)影響最大的當(dāng)屬信用風(fēng)險(xiǎn)，信用危機(jī)的爆發(fā)與否將直接影響到P2P公司能否正常運(yùn)作。

在識(shí)別和防治信用風(fēng)險(xiǎn)的過(guò)程當(dāng)中，P2P企業(yè)如何對(duì)借款人進(jìn)行篩選成為了重要的控制節(jié)點(diǎn)。當(dāng)前的P2P企業(yè)使用的借款人評(píng)估系統(tǒng)還很大程度上借鑒傳統(tǒng)金融機(jī)構(gòu)如銀行的評(píng)估方法。這就導(dǎo)致了對(duì)風(fēng)險(xiǎn)的誤判，因?yàn)閮烧叩哪繕?biāo)客戶群的信用特征存在較大差異。比如銀行的借款人普遍貸款金額大，信用數(shù)據(jù)充分，且對(duì)銀行有抵押物。而P2P公司的借款金額小而分散，信用信息不全面等。所以，僅照搬銀行等大型金融機(jī)構(gòu)的信用評(píng)估體系是無(wú)法有效控制P2P公司此類風(fēng)險(xiǎn)。那么利用借款人提供的信息，構(gòu)建風(fēng)險(xiǎn)評(píng)估模型，準(zhǔn)確地預(yù)測(cè)借款人的還款能力，對(duì)控制和化解P2P企業(yè)的風(fēng)險(xiǎn)，提高P2P企業(yè)風(fēng)險(xiǎn)管理水平具有重要的現(xiàn)實(shí)意義。

目前風(fēng)險(xiǎn)評(píng)估模型主要有線性概率模型、多元判斷分析模型和logit模型。本文以違約的概率作為信用評(píng)估風(fēng)險(xiǎn)的衡量標(biāo)準(zhǔn)，構(gòu)建信用評(píng)估的logit模型，以美國(guó)著名P2P公司Lending Club的客戶借款信息為樣本進(jìn)行實(shí)證分析，結(jié)果表明Logit模型具有非?？尚诺淖R(shí)別、預(yù)測(cè)和推廣性，是P2P公司個(gè)人信貸風(fēng)險(xiǎn)評(píng)估的有效工具。

二、模型建立

1.數(shù)據(jù)來(lái)源

本文通過(guò)對(duì)Lending Club 公開(kāi)在網(wǎng)上的客戶借款相關(guān)個(gè)人信息數(shù)據(jù)以及還款與否的最終結(jié)果進(jìn)行調(diào)研，掌握最新的公開(kāi)數(shù)據(jù)資料，并選取2015年的30萬(wàn)份數(shù)據(jù)中里的3.5萬(wàn)份作為樣本，剔除了一些信息缺失的樣本，最終用30412樣本個(gè)作為實(shí)證分析的數(shù)據(jù)材料。

2.模型的建立

運(yùn)用Logit模型的基本思路是：以借款人個(gè)人信用信息作為不同的自變量，違約事件發(fā)生的情況作為因變量（違約取值為1，履約取值為0），變量之間呈現(xiàn)非線性的關(guān)系。通過(guò)將數(shù)據(jù)代入SPSS軟件中，進(jìn)行l(wèi)ogit回歸分析，來(lái)測(cè)量出自變量和因變量之間的關(guān)系，從而得到預(yù)測(cè)個(gè)人違約率的重要指標(biāo)，最終實(shí)現(xiàn)對(duì)P2P平臺(tái)中借款人信用風(fēng)險(xiǎn)的識(shí)別。

3.信貸評(píng)價(jià)指標(biāo)的構(gòu)建

本文結(jié)合中國(guó)P2P市場(chǎng)的實(shí)際情況，根據(jù)借款人信息對(duì)投資人決策的影響程度[1-2]，將借款人的信貸指標(biāo)分為以下三大類（借款情況，個(gè)人特征值，信用相關(guān)記錄），共14個(gè)指標(biāo)。（見(jiàn)表1）

4.Logit模型的應(yīng)用及分析

因?yàn)槊课唤栀J的客戶狀態(tài)可以分為如期歸還借貸即履約與無(wú)法如期歸還借貸即違約兩種，下面具體研究每位客戶履約與違約的概率。設(shè)變量y表示每位借貸的客戶狀態(tài)，當(dāng)y=1時(shí)，違約；當(dāng)y=0時(shí)，履約；我們所要研究的是 。

logit回歸方法建立信用評(píng)估模型如下[3]：

根據(jù)表2可得預(yù)測(cè)模型如下：

結(jié)合各參數(shù)的Wald檢驗(yàn)的p值可知，貸款金額，貸款期限，已還金額比，近期還款額是影響還貸與否的重要指標(biāo)。由表2得到回歸系數(shù)對(duì)應(yīng)的P值均小于0.005，故該系數(shù)可信度高。

6.模型的準(zhǔn)確性

根據(jù)還款和未還款者相關(guān)數(shù)據(jù)，以上述模型計(jì)算違約概率（四舍五入保留兩位小數(shù)），設(shè)定0.05為違約臨界點(diǎn)，當(dāng)違約概率大于0.05時(shí)，可判斷該借款人為高風(fēng)險(xiǎn)違約客戶。反之，當(dāng)違約概率小于等于0.05時(shí)，可判斷該借款人為履約客戶。以樣本數(shù)據(jù)代入模型得出預(yù)測(cè)值與實(shí)際結(jié)果的比較如表3。

從表3可觀察得知，對(duì)于履約（y=0），預(yù)測(cè)的正確率為96.6%，對(duì)于違約（y=1），預(yù)測(cè)的正確率為96.1%，整個(gè)預(yù)測(cè)模型的正確率為96.5%。所以該模型能夠較好的預(yù)測(cè)借款人的信貸風(fēng)險(xiǎn)，從而可以幫助P2P企業(yè)進(jìn)行有效的內(nèi)部風(fēng)險(xiǎn)控制。

三、結(jié)論

本文通過(guò)P2P市場(chǎng)的實(shí)際情況，優(yōu)選影響個(gè)人信用狀態(tài)的指標(biāo)作為自變量，違約事件是否發(fā)生作為因變量，構(gòu)建了P2P信貸風(fēng)險(xiǎn)的logit模型，利用約3.5萬(wàn)份客戶的信息與數(shù)據(jù)進(jìn)行了實(shí)證分析，得出以下結(jié)論：

1.本文的logit信貸風(fēng)險(xiǎn)評(píng)估模型能夠有效預(yù)測(cè)個(gè)體客戶的違約風(fēng)險(xiǎn)程度，為降低P2P公司的壞賬率提供較高準(zhǔn)確率的分析依據(jù)。與此同時(shí)，該模型也為P2P公司管理者如何加強(qiáng)內(nèi)部風(fēng)險(xiǎn)管理，降低財(cái)務(wù)危機(jī)的發(fā)生提供有借鑒意義的參考方法。

2.在logit信貸風(fēng)險(xiǎn)評(píng)估模型中，與違約概率相關(guān)的重要指標(biāo)為貸款金額，貸款期限，已還金額比，近期還款額四個(gè)。而其余八個(gè)指標(biāo)（包括貸款首付金額，工作年限，房產(chǎn)情況，年收入，月供比例，詢問(wèn)次數(shù)，信用卡數(shù)，信用額度，信用額度比，信用卡實(shí)際數(shù)）也應(yīng)作為P2P網(wǎng)貸公司對(duì)與借款人信用評(píng)分表中的必備指標(biāo)。P2P公司還應(yīng)圍繞自己公司對(duì)風(fēng)險(xiǎn)的偏好，以及目標(biāo)客戶的個(gè)人特征值，針對(duì)自己公司的具體情況來(lái)對(duì)信用評(píng)估指標(biāo)的進(jìn)行增減，從而達(dá)到對(duì)違約客戶的識(shí)別度精確化。

參考文獻(xiàn)

[1] 李焰，高弋君，李珍妮，才子豪，王冰婷，楊宇軒. 借款人描述性信息對(duì)投資人決策的影響[J].基于P2P網(wǎng)絡(luò)借貸平臺(tái)的分析. 2014年S1期.

[2] 王會(huì)娟，廖理. 中國(guó)P2P網(wǎng)絡(luò)借貸平臺(tái)信用認(rèn)證機(jī)制研究[J].來(lái)自“人人貸”的經(jīng)驗(yàn)證據(jù). 2014年04期.

[3] 范金城 梅長(zhǎng)林.數(shù)據(jù)分析[R].北京.科學(xué)出版社.2005.