邵蔚

（華南師范大學(xué)，廣州510006）

對P2P平臺信用風(fēng)險的評估與預(yù)測
——基于決策樹模型

邵蔚

（華南師范大學(xué)，廣州510006）

對P2P平臺運營模式的國內(nèi)外研究進(jìn)行梳理和闡述，利用決策樹模型對樣本進(jìn)行是否跑路的預(yù)測，對其信用風(fēng)險做量化評估，發(fā)現(xiàn)決策樹預(yù)測方法準(zhǔn)確度可達(dá)77.08%，為相關(guān)投資者提供決策依據(jù)。

P2P；信用風(fēng)險；決策樹

引言

2017年全國兩會指出，要促進(jìn)互聯(lián)網(wǎng)金融健康發(fā)展，讓金融成為一汪活水。可見，目前，國互聯(lián)網(wǎng)金融業(yè)在新興金融網(wǎng)絡(luò)全球化的浪潮下一步步蓬勃發(fā)展，與此同時，P2P網(wǎng)絡(luò)信貸作為一種微型金融領(lǐng)域與網(wǎng)絡(luò)技術(shù)創(chuàng)新借貸模式快速發(fā)展。

近兩年，P2P平臺數(shù)量在國內(nèi)迅速增長，以拍拍貸、紅嶺創(chuàng)投、陸金所等網(wǎng)絡(luò)融資平臺作為領(lǐng)頭羊逐漸風(fēng)靡全國，截至2017年2月底，我國P2P網(wǎng)絡(luò)信貸公司平臺數(shù)量已達(dá)到2335家，數(shù)量巨大。目前，我國的P2P行業(yè)發(fā)展尚處于起步階段，仍然存在不少需要完善的地方。信用風(fēng)險評估體系不完善、無準(zhǔn)入門檻、無行業(yè)標(biāo)準(zhǔn)、無機(jī)構(gòu)監(jiān)管以及P2P平臺上演“跑路”戲碼等問題，皆為問題平臺層出不窮的原因，P2P發(fā)展勢頭雖好，卻也警鐘頻傳。

一、國內(nèi)外研究綜述

（一）國外研究綜述

1.P2P網(wǎng)貸信用指標(biāo)研究。傳統(tǒng)的商業(yè)銀行要求企業(yè)必須擁有較高的信用等級才能夠貸款，但是小微企業(yè)無法滿足這點要求，因為這個原因就把其推進(jìn)了P2P市場，也是促使這一市場發(fā)展的契機(jī)(Agarwaland Hauswald，2008)。Ravina（2008）通過平臺的交易記錄來研究借款人生理特征對其借款的影響，結(jié)果發(fā)現(xiàn)借款人種族和相貌對其是否能借到款項以及借款利率有著顯著影響。Weiss和Stiglitz指出在P2P平臺上高利率不意味著高回報，而利率越高、借款人質(zhì)量越差，投資人承擔(dān)的風(fēng)險越大。Siegel研究了信用風(fēng)險在金融交易中的作用，即使是法律很健全的情況下，信用風(fēng)險也仍然存在。Michaels（2012），Larrimoreetal（2011）的研究表明借款人的信息披露以及貸款人和借款人之間的交流情況對項目能否成功獲得融資具有重要影響。

2.國外P2P信用評估研究方法。Angelini（2008）開發(fā)了兩個神經(jīng)網(wǎng)絡(luò)系統(tǒng)來進(jìn)行信用風(fēng)險評估，并使用意大利企業(yè)數(shù)據(jù)得到實證；Sung（2010）構(gòu)建了Kohonen神經(jīng)網(wǎng)絡(luò)模型和Cox比例風(fēng)險回歸模型的混合模型，結(jié)果是該模型是能取得不錯的預(yù)測效果；Jagric等人（2011）利用學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)構(gòu)建了信用評估模型，利用Slovenian銀行的真實數(shù)據(jù)進(jìn)行實證，也是取得不錯的效果；Capotorti和Barbanera（2012）提出了基于粗糙集，條件概率評估和模糊集的混合算法，研究結(jié)果表明該算法提高了在信用風(fēng)險評估中標(biāo)準(zhǔn)粗糙集理論的分類性能；Mandala等人（2012）對某家不良貸款率達(dá)11.99%的農(nóng)村銀行進(jìn)行信用風(fēng)險研究，實證結(jié)果表明利用決策樹模型的C5.0算法進(jìn)行信用評估，該銀行的不良貸款率能夠下降至低于5%。

（二）國內(nèi)研究綜述

相對于國外的研究成果，顯然我國起步較晚，會稍微落后一些，相關(guān)的成果會比較少，目前更多的是關(guān)注于網(wǎng)絡(luò)監(jiān)管問題。

但是P2P網(wǎng)貸作為新興的互聯(lián)網(wǎng)模式，行業(yè)發(fā)展迅速，因而學(xué)術(shù)研究也在如火如荼進(jìn)行中。一些傳統(tǒng)的信用評估方法也得到了創(chuàng)新和應(yīng)用，如李旭升等人（2008）提出并設(shè)計了擴(kuò)展的樹增強(qiáng)樸素貝葉斯網(wǎng)絡(luò)信用評估模型；李曉歡（2009）構(gòu)建了基于粗糙集和神經(jīng)網(wǎng)絡(luò)的中小企業(yè)信用評估體系及模型；范彥勤（2013）等人研究了基于貝葉斯分類器的個人信用評估模型，提出了新的屬性加權(quán)樸素貝葉斯分類模型和改進(jìn)樹擴(kuò)展貝葉斯分類模型；楊勝剛等人（2013）構(gòu)建了決策樹方法與BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的兩階段組合模型，研究表明，基于決策樹和神經(jīng)網(wǎng)絡(luò)構(gòu)建的個人信用評估組合模型在分類預(yù)測精度方面高于單一的BP神經(jīng)網(wǎng)絡(luò)模型。

本次研究采用的是決策樹模型，利用SPSS MODELER進(jìn)行C5.0決策樹算法進(jìn)行實證分析，彌補(bǔ)國內(nèi)在此類實證分析方法的空缺。

二、實證模型分析

（一）數(shù)據(jù)來源

研究初始使用爬蟲軟件對網(wǎng)貸天眼平臺的索引系統(tǒng)進(jìn)行了數(shù)據(jù)爬取，并對多個頁面不同數(shù)據(jù)按照平臺名稱進(jìn)行合并數(shù)據(jù)。網(wǎng)貸天眼給各個公司開通了信息披露窗口，數(shù)據(jù)均由各個P2P平臺上傳，樣本量為106。

（二）數(shù)據(jù)挖掘

1.決策樹模型原理。決策樹(Decision Tree）是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過構(gòu)成決策樹來求取凈現(xiàn)值的期望值大于等于零的概率，評價項目風(fēng)險，判斷其可行性的一種決策分析方法。在機(jī)器學(xué)習(xí)中，決策樹是一個預(yù)測模型，它代表的是對象屬性與對象值之間的一種映射關(guān)系，Entropy=系統(tǒng)的凌亂程度，使用算法ID3，C4.5和C5.0生成樹算法使用熵。信息熵表示的是不確定度。均勻分布時，不確定度最大，此時熵就最大。當(dāng)選擇某個特征對數(shù)據(jù)集進(jìn)行分類時，分類后的數(shù)據(jù)集信息熵會比分類前的小，其差值表示為信息增益。信息增益可以衡量某個特征對分類結(jié)果的影響大小。研究以此來挑選每層的特征，每次都選取信息增益大的作為分類特征，生成決策樹。

最后，研究將對決策樹進(jìn)行剪枝，因為在分類模型建立的過程中，很容易出現(xiàn)過擬合的現(xiàn)象。過擬合是指在模型學(xué)習(xí)訓(xùn)練中，訓(xùn)練樣本達(dá)到非常高的逼近精度，但對檢驗樣本的逼近誤差隨著訓(xùn)練次數(shù)而呈現(xiàn)出先下降后上升的現(xiàn)象，過擬合時訓(xùn)練誤差很小，但是檢驗誤差很大，不利于實際應(yīng)用。

2.調(diào)用SPSSMODELER中的C5.0決策樹算法進(jìn)行數(shù)據(jù)挖掘。研究把獲得的106條數(shù)據(jù)隨機(jī)一分為二，58條數(shù)據(jù)作為訓(xùn)練集，48條數(shù)據(jù)留空作為測試集，以便為最后研究通過對比原始數(shù)據(jù)跟預(yù)測數(shù)據(jù)，并以此得到訓(xùn)練集和測試集預(yù)測的準(zhǔn)確率做準(zhǔn)備。

研究先把數(shù)據(jù)導(dǎo)入SPSSMODELER，然后過濾掉一些不需要的數(shù)據(jù)列，并把平臺狀態(tài)標(biāo)記為目標(biāo)，最后選用C5.0進(jìn)行模型訓(xùn)練，并得到預(yù)測結(jié)果。

圖1 決策樹流程圖

經(jīng)過訓(xùn)練，得到以下決策樹：

圖2 P2P平臺決策樹概覽

從托管方面來看，分為deposit、無托管、第三方托管三種情況，接著根據(jù)平臺背景、平均利率、人均借款金額等來進(jìn)一步判斷，得到預(yù)測結(jié)果如表所示。

表決策樹預(yù)測結(jié)果

研究所進(jìn)行的數(shù)據(jù)訓(xùn)練集的正確率為93.10%，測試集的正確率為77.08%，模型結(jié)果較為理想。

3.模型結(jié)果分析。由模型結(jié)果可以看出，托管方式指標(biāo)的信息增益最大，第三方托管比起銀行托管和無托管的平臺要更加穩(wěn)定；其次重要的是平臺背景。銀行托管和無托管的平臺中，有上市公司背景的平臺運營比較穩(wěn)定，民營企業(yè)、VC/PE背景和國資背景的平臺一定程度出現(xiàn)問題；而在民營企業(yè)中，平均利率也是一個重要的判斷因素，平均利率高的平臺往往伴隨著比較高的風(fēng)險，這也是符合研究實際的邏輯。

三、研究結(jié)論與建議

決策樹模型的一個最大的優(yōu)點在于，它能夠在預(yù)測P2P平臺是否跑路的優(yōu)勢下，還能夠找出其中的關(guān)鍵性因素，對于投資者和各方利益相關(guān)主體來說，P2P平臺的“托管方式”因素是影響P2P平臺信用風(fēng)險的最重要因素，另外平臺背景、平均利率等要素也是重要影響因素。

（一）托管方式——最重要的關(guān)鍵性因素

由本次數(shù)據(jù)挖掘得到啟示，在影響P2P平臺是否具有可持續(xù)運營能力的眾多因素中，“托管方式”是最重要的因素。一般來說，有資金托管的平臺比沒有資金托管的平臺有著更高的信用，而第三方托管的平臺則比銀行托管的平臺更值得信賴。所以在對P2P平臺規(guī)范化的相關(guān)措施中，應(yīng)該以“平臺托管方式”的突破口，著力促進(jìn)平臺資金的管理，避免平臺形成“資金池”，降低出現(xiàn)問題風(fēng)險，才能促使P2P行業(yè)更加穩(wěn)定地發(fā)展。

（二）平臺背景、平均利率等——重要因素

對于投資者，選擇P2P平臺的時候，主要通過托管方式、平臺背景、平均利率等有關(guān)因素來判斷投資風(fēng)險。另外，投資者不能盲目追求太高的平均利率，而承受較大風(fēng)險。投資者應(yīng)合理選擇利率，以規(guī)避平臺跑路或者停業(yè)給自己帶來經(jīng)濟(jì)上的損失。

在現(xiàn)實生活中，廣泛利用決策樹模型對P2P網(wǎng)貸平臺進(jìn)行信用等級以及托管方式精心一系列的核查、調(diào)研，能夠在最大程度上提升預(yù)測的正確率，從而提高企業(yè)違約率判斷的準(zhǔn)確性，實現(xiàn)對于P2P平臺信用高低與否的高準(zhǔn)確率預(yù)測。

[1]李旭升，郭春香，郭耀煌.擴(kuò)展的樹增強(qiáng)樸素貝葉斯網(wǎng)絡(luò)信用評估模型[J].系統(tǒng)工程理論與實踐，2008(6).

[2]楊勝剛，朱琦，成程.個人信用評估組合模型的構(gòu)建——基于決策樹—神經(jīng)網(wǎng)絡(luò)的研究[J].金融論壇，2013(2).

［責(zé)任編輯：譚志遠(yuǎn)］

F830.599

A

1005-913X（2017）09-0103-02

2017-06-07

邵蔚(1996-)，女，廣東東莞人，本科學(xué)生，研究方向：金融學(xué)。