亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        翼龍貸網(wǎng)絡(luò)借貸平臺借款人信用風(fēng)險(xiǎn)評估

        2018-03-26 12:02:38涂俊劉升學(xué)
        時(shí)代金融 2018年6期
        關(guān)鍵詞:風(fēng)險(xiǎn)評估信用風(fēng)險(xiǎn)

        涂俊 劉升學(xué)

        【摘要】近年來,眾多的互聯(lián)網(wǎng)金融業(yè)務(wù)模式通過網(wǎng)絡(luò)的力量被迅速普及和推廣,在加劇了金融市場競爭的同時(shí),也提高了資產(chǎn)配置的效率。隨著P2P網(wǎng)貸平臺的接連上線,雖然解決了部分小微企業(yè)融資難的問題,但隨之而來的信用風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)和政策風(fēng)險(xiǎn)等多種風(fēng)險(xiǎn),正面臨著日趨嚴(yán)峻考驗(yàn)。本研究以翼龍貸網(wǎng)絡(luò)借貸平臺為對象,研究其借款人的基本信息、借款行為、資產(chǎn)及信用狀況等,通過信息增益技術(shù)對可能影響信用風(fēng)險(xiǎn)的相關(guān)影響因子進(jìn)行篩選,然后基于Logistic回歸建立借款人的信用風(fēng)險(xiǎn)評估模型,以提高平臺對借款人償債能力判別的準(zhǔn)確度。

        【關(guān)鍵詞】P2P 網(wǎng)絡(luò)借貸平臺 信用風(fēng)險(xiǎn) 風(fēng)險(xiǎn)評估

        一、信用風(fēng)險(xiǎn)產(chǎn)生的原因

        在互聯(lián)網(wǎng)金融行業(yè)迅速發(fā)展的新時(shí)期,P2P網(wǎng)絡(luò)借貸異軍突起,迅速成為互聯(lián)網(wǎng)金融中一種重要的形式。截止2017年9月,P2P網(wǎng)絡(luò)借貸平臺有5929家,當(dāng)月成交量為2351億元,綜合收益率約為9.53%左右(數(shù)據(jù)來自網(wǎng)貸之家),基本保持穩(wěn)定。

        翼龍貸的運(yùn)營,類似于民間小額借貸,所以其本身具有民間借貸中存在的風(fēng)險(xiǎn)因素,包括借款人對還款能力的錯(cuò)誤估計(jì),導(dǎo)致無法正常還款等等。由于網(wǎng)絡(luò)借貸行為發(fā)生具有其特殊性,因此其存在的風(fēng)險(xiǎn)存在被放大的可能,具體的風(fēng)險(xiǎn)因素體現(xiàn)在以下幾個(gè)方面:

        (一)運(yùn)營都是通過互聯(lián)網(wǎng)完成,每一個(gè)環(huán)節(jié)都存在風(fēng)險(xiǎn)發(fā)生的可能

        在申請過程中,借款人提供的資料大多由其本人填寫完成,存在編造及篡改的技術(shù)可能,會增加借款人蓄意欺詐的風(fēng)險(xiǎn);這種運(yùn)營模式采用第三方支付方式完成轉(zhuǎn)賬,在提高轉(zhuǎn)賬效率的同時(shí),也增加了轉(zhuǎn)賬資金的風(fēng)險(xiǎn),為非法轉(zhuǎn)移資金提供了可能。

        (二)具有跨地域性的特征,在拓寬借貸范圍的同時(shí),也增加了投資者的資金風(fēng)險(xiǎn)

        傳統(tǒng)民間借貸都是在一定的小范圍中進(jìn)行,通過熟人關(guān)系開展,借貸雙方有一定的了解,貸款人對借款人的還款能力可以進(jìn)行初步的判斷,同時(shí)由于雙方關(guān)系,出現(xiàn)賴賬的幾率很?。患词褂袎馁~出現(xiàn),催收還款也較為便利。但是翼龍貸的跨地域運(yùn)營,會出現(xiàn)異地借款行為,而異地催收難度較大,目前采用的短信、電話、打官司等催收方式并不能取得理想的效果,導(dǎo)致逾期甚至賴賬行為時(shí)有發(fā)生。

        (三)發(fā)展迅速,但是相關(guān)的監(jiān)管制度卻并未及時(shí)出臺

        目前政府并未出臺專門針對互聯(lián)網(wǎng)金融行業(yè)監(jiān)管的法律法規(guī),隨著網(wǎng)絡(luò)及金融創(chuàng)新日新月異的發(fā)展,傳統(tǒng)的監(jiān)管措施顯然無法滿足對于風(fēng)險(xiǎn)的管控,規(guī)范的監(jiān)管迫在眉睫。

        二、翼龍貸風(fēng)險(xiǎn)評價(jià)體系的構(gòu)建

        (一)翼龍貸借款人信用風(fēng)險(xiǎn)影響因子分析

        借款人在申請借款時(shí),翼龍貸會要求其提供個(gè)人基本信息,包括身份信息、基本資產(chǎn)狀況、年齡、學(xué)歷、工作等,而后通過授權(quán)第三方認(rèn)證平臺對借款人提供的信息進(jìn)行認(rèn)證,根據(jù)認(rèn)證結(jié)果初步評定借款人的信用等級,再將借款人信息及評定結(jié)果在網(wǎng)站上公示,供投資者參考。

        1.年齡。一般情況下,不同年齡層的借款人,其發(fā)生違約的概率也不一樣,年齡較小的借款人收入來源有限,且本身并不具備良好的消費(fèi)習(xí)慣,缺乏儲蓄,其違約風(fēng)險(xiǎn)較高;30歲至45歲的借款人收入相對穩(wěn)定,經(jīng)濟(jì)狀況良好,具備一定的經(jīng)濟(jì)基礎(chǔ),其違約風(fēng)險(xiǎn)較低;年齡稍大的借款人收入水平較低,面臨更多的突發(fā)消費(fèi),導(dǎo)致違約風(fēng)險(xiǎn)較高;

        2.婚姻狀況。不同的婚姻狀況,其違約風(fēng)險(xiǎn)不同,已婚的借款人家庭和收入相對穩(wěn)定,還款能力較強(qiáng);而未婚或離異的借款人,信用狀況可能偏低;

        3.教育程度。隨著教育程度的不斷提高,發(fā)生道德違約的幾率也隨之降低,因此,本文可以大膽假設(shè)教育程度與違約風(fēng)險(xiǎn)呈反比,教育程度越高違約風(fēng)險(xiǎn)越低;

        4.職業(yè)信息。職業(yè)信息包含所從事的行業(yè)及公司、職級以及工作年限等,國企、事業(yè)單位相對而言收入穩(wěn)定,違約風(fēng)險(xiǎn)較低,而個(gè)體、小型私營單位競爭激烈,收入來源不穩(wěn)定,故而違約風(fēng)險(xiǎn)較高;職級、工作年限與違約風(fēng)險(xiǎn)呈反比,職級越高,工作年限越長,其違約的風(fēng)險(xiǎn)越低;

        5.房產(chǎn)信息。一般情況下,房產(chǎn)代表著個(gè)人的經(jīng)濟(jì)基礎(chǔ),有無住房及住房是否有貸款,都會對違約風(fēng)險(xiǎn)造成影響;

        6.借款人信用信息。本文根據(jù)翼龍貸所披露的信用等級來確定借款人的信用信息,翼龍貸通過與第三方認(rèn)證機(jī)構(gòu)合作,對借款人的進(jìn)行信用評估,從而確定其信用等級,信用等級越高者,違約風(fēng)險(xiǎn)越低。

        (二)數(shù)據(jù)收集與預(yù)處理

        本文用于模型分析的數(shù)據(jù)為2014~2016年度“翼龍貸”網(wǎng)站上的標(biāo)的信息。翼龍貸比較全面的披露了每一標(biāo)的借款人的信息,筆者利用網(wǎng)站數(shù)據(jù)爬取軟件獲取了其中62137條數(shù)據(jù),通過整理,最終得到56544條完整數(shù)據(jù),收集到的客戶信息包含姓名、借款金額、利率、期限、信用等級、借款類型、性別、年齡、教育程度、工作年限、商業(yè)保險(xiǎn)、職稱、社保信息、房產(chǎn)、長期居住地、年收入、婚姻狀況、職業(yè)、貸款記錄、信用卡額度、征信報(bào)告、人擔(dān)保、車擔(dān)保、房擔(dān)保、是否有流標(biāo)等。

        接著對數(shù)據(jù)進(jìn)行預(yù)處理,主要包括數(shù)據(jù)清理和數(shù)據(jù)轉(zhuǎn)換兩階段。數(shù)據(jù)清理即刪除采集來的與個(gè)人信用風(fēng)險(xiǎn)評估無關(guān)的數(shù)據(jù),以免建模效果受到影響,例如客戶姓名、合同編號、借款日期、標(biāo)的編號等,如果將無關(guān)數(shù)據(jù)加入到模型中,會影響預(yù)測的準(zhǔn)確性;數(shù)據(jù)轉(zhuǎn)換即按照同一格式、同一規(guī)則將部分不規(guī)范的數(shù)據(jù)進(jìn)行轉(zhuǎn)換。

        將處理好的數(shù)據(jù)集通過隨機(jī)劃分,將其分成互不相交的兩個(gè)部分,保持?jǐn)?shù)據(jù)分布大致一致,分別作為訓(xùn)練集和測試集。一般情況下按照訓(xùn)練集:測試集=3:1的比例劃分,其中3/4的數(shù)據(jù)集用于模型的建立,1/4的數(shù)據(jù)集用于模型的驗(yàn)證測試,驗(yàn)證模型的性能。因此,訓(xùn)練樣本集數(shù)量為42408條,測試樣本集數(shù)量為14136條。。

        (三)翼龍貸借款人信用風(fēng)險(xiǎn)評估影響因子的選取

        參考我國商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)評估體系的各項(xiàng)指標(biāo),同時(shí)借鑒國外P2P網(wǎng)絡(luò)借貸平臺信用風(fēng)險(xiǎn)的評估要素,結(jié)合翼龍貸平臺公布的借款人基本信息、職業(yè)信息、資產(chǎn)信息、收入及負(fù)債狀況、借款信息等信息,按照個(gè)人信用風(fēng)險(xiǎn)影響因子的選取原則,以實(shí)用、易獲取、操作簡便為目的,確定了翼龍貸借款人信用風(fēng)險(xiǎn)評估備選影響因子:

        不同的備選影響因子對其被解釋變量的影響不同,可大可小,因此本文采取信息增益技術(shù)進(jìn)行篩選,首先計(jì)算出備選影響因子對其被解釋變量的貢獻(xiàn)度,然后對比計(jì)算結(jié)果,選出對被解釋變量影響大的結(jié)果,作為個(gè)人信用風(fēng)險(xiǎn)評估影響因子。

        采用信息增益法的計(jì)算過程如下:

        樣本全集為S,樣本數(shù)s個(gè)。自變量為A(影響借款人信用風(fēng)險(xiǎn)的因素),A={a1,a2,a3,…,ai},每一個(gè)自變量ai可取k個(gè)值。si代表具有ai特征的樣本數(shù)量,sik代表具有ai特征的樣本中取k值的數(shù)量。

        Cj代表借款人是否發(fā)生違約行為,Cj={C1,C2},C1代表借款人未發(fā)生違約行為(正??蛻簦?,C2代表借款人發(fā)生違約行為(風(fēng)險(xiǎn)客戶)。sj代表借款人發(fā)生違約行為或者未發(fā)生違約行為的樣本數(shù)量,sikj代表具有ai特征且取k值的樣本中屬于Cj的樣本數(shù)量。

        pj=sj/s,指的是樣本中發(fā)生違約行為或者未發(fā)生違約行為的概率

        pikj=sikj/sj,指的是sik中屬于Cj的概率

        A變量的信息增益結(jié)果為Gain(A),按照以上步驟計(jì)算,得出所有變量的結(jié)果。

        各風(fēng)險(xiǎn)影響因子計(jì)算結(jié)果如下:

        分析上述結(jié)果可以看到,年齡、性別、職業(yè)、借款期限、借款類型、是否有社保這些屬性計(jì)算得到的信息增益太小,說明對被解釋變量的影響不大,即這些變量對個(gè)人信用風(fēng)險(xiǎn)的產(chǎn)生以及大小關(guān)系不大,可以模型里排除。由此得到的結(jié)論是借款人的年齡、性別、職業(yè)、借款期限以及借款類型對其違約率僅有極小影響,可以不考慮。剩下的變量,即為對個(gè)人信用風(fēng)險(xiǎn)有較大影響的,它們是教育程度、婚姻狀況、借款人長期居住地、工作年限、征信報(bào)告、房產(chǎn)、年收入、是否有流標(biāo)、借款金額、利率、信用等級、職稱、商業(yè)保險(xiǎn)、信用卡額度,以這些變量為基礎(chǔ)進(jìn)行Logistic回歸分析。

        三、基于Logistic回歸模型的信用風(fēng)險(xiǎn)評估

        (一)將離散變量用WOE值替代原值計(jì)算

        根據(jù)Logistic回歸分析中對因變量的定義,本研究將其客戶分為正??蛻艉惋L(fēng)險(xiǎn)客戶。按期還款、未發(fā)生過逾期行為的客戶即為正??蛻?,標(biāo)記為0;歷史發(fā)生過逾期還款行為的客戶即為風(fēng)險(xiǎn)客戶,標(biāo)記為1。

        用WOE(Weight of Evidence)值表示不同風(fēng)險(xiǎn)影響因子的取值對違約風(fēng)險(xiǎn)的影響。

        在本研究中

        (二)建立回歸模型

        使用每個(gè)WOE值替代原值,利用軟件建立回歸模型,得到結(jié)果如下:

        四、研究結(jié)論

        借款人基本信息中,對信用風(fēng)險(xiǎn)產(chǎn)生重大影響的因素主要包括借款人的受教育程度、婚姻狀況、借款人長期居住地、信用等級等。

        翼龍貸為降低借款人信用風(fēng)險(xiǎn)發(fā)生的概率,可以從以下幾個(gè)方面入手:

        (一)借款人基本信息

        在借款人基本信息中,借款人的受教育程度、婚姻狀況、借款人長期居住地、信用等級對其信用風(fēng)險(xiǎn)影響較大,選擇高教育、擁有正常健康的婚姻家庭、居住地相對繁華且信用等級高的客戶,能有效降低違約的風(fēng)險(xiǎn);

        (二)借款人職業(yè)信息

        借款人從事的具體行業(yè)對其信用風(fēng)險(xiǎn)并沒有太大的影響,而其工作職稱及工作年限,對其違約的風(fēng)險(xiǎn)影響較大,職稱越高、工作年限越長,發(fā)生違約風(fēng)險(xiǎn)的概率越低,因此選擇工齡較長、具有高級職稱的客戶,能有效降低違約的風(fēng)險(xiǎn);

        (三)借款人資產(chǎn)信息

        在借款人有房貸、車貸的情況下,其貸款占比越小,發(fā)生違約的風(fēng)險(xiǎn)越低,因此選擇無貸款的客戶可以有效降低違約的風(fēng)險(xiǎn);

        (四)借款人收入及負(fù)債狀況

        借款人本身購買過商業(yè)保險(xiǎn),月收入越高,其發(fā)生違約的風(fēng)險(xiǎn)越低;若借款人當(dāng)前存在違約債務(wù),并不一定提高其違約風(fēng)險(xiǎn),但若歷史上存在流標(biāo)狀況,則大大提高了其違約風(fēng)險(xiǎn),因此選擇高收入且無違約記錄的客戶能有效降低違約風(fēng)險(xiǎn);同時(shí)若借款人具有信用卡且額度較高,還能提供信用報(bào)告,則會大大降低其違約風(fēng)險(xiǎn);

        (五)借款人借款產(chǎn)品信息

        借款人借款金額越大,其發(fā)生違約的風(fēng)險(xiǎn)越低;借款人名義年利率越低,其發(fā)生違約的風(fēng)險(xiǎn)越低,因此綜合考慮借款人的借款用途、借款期限、借款金額、名義年利率等影響因子,降低違約風(fēng)險(xiǎn)。

        參考文獻(xiàn)

        [1]Smith J.P2P lender Prosper is back. and better than ever[J].Fortune,July,2009.

        [2]陳建中,寧欣.P2P網(wǎng)絡(luò)借貸中個(gè)人信息對借貸成功率影響的實(shí)證研究——以人人貸為例[J].財(cái)務(wù)與金融,2015,(6):13-17.

        [3]范英惠.借款合同法律保護(hù)及影響[J].經(jīng)濟(jì)論壇,2013(11):116 -116.

        [4]江維國,李立清.新型農(nóng)業(yè)經(jīng)營主體構(gòu)建與財(cái)政金融支農(nóng)創(chuàng)新研究[J].南方金融,2014(9):54-57.

        [5]葉湘榕.P2P借貸的模式風(fēng)險(xiǎn)與監(jiān)管研究[J].金融監(jiān)管研究,2014(3):71-82.

        作者簡介:涂?。?992-),男,土家族,湖南常德人,南華大學(xué)經(jīng)濟(jì)與法學(xué)學(xué)院2015級金融碩士,研究方向:信用風(fēng)險(xiǎn)管理;劉升學(xué)(1963-),男,漢族,教授,碩士研究生導(dǎo)師,現(xiàn)任南華大學(xué)副校長,研究方向:流體機(jī)械和經(jīng)濟(jì)學(xué)。

        猜你喜歡
        風(fēng)險(xiǎn)評估信用風(fēng)險(xiǎn)
        淺析我國商業(yè)銀行信用風(fēng)險(xiǎn)管理
        我國養(yǎng)老保險(xiǎn)基金投資運(yùn)營的風(fēng)險(xiǎn)評估
        天然氣開采危險(xiǎn)有害因素辨識及風(fēng)險(xiǎn)評估管理
        現(xiàn)代風(fēng)險(xiǎn)導(dǎo)向?qū)徲?jì)局限性及其對策研究
        京東商城電子商務(wù)信用風(fēng)險(xiǎn)防范策略
        中小企業(yè)財(cái)務(wù)管理問題研究
        個(gè)人信用風(fēng)險(xiǎn)評分的指標(biāo)選擇研究
        信用風(fēng)險(xiǎn)的誘發(fā)成因及對策思考
        高清国产亚洲va精品| 日韩一区国产二区欧美三区| 久久伊人色av天堂九九| 国产欧美日韩综合一区二区三区| 国产亚洲午夜高清国产拍精品不卡| 海外华人在线免费观看| 国产人成无码视频在线观看| 丰满五十六十老熟女hd| 亚洲av永久青草无码精品| 亚洲av午夜福利精品一区不卡| 一色桃子中文字幕人妻熟女作品 | 久久精品人成免费| 国产精品视频一区二区三区,| 精品熟女视频一区二区三区国产| 人妻精品久久久久中文字幕69| 精品无码专区久久久水蜜桃| 黄 色 成 年 人 网 站免费| 国产激情一区二区三区不卡av| 久久久久人妻一区精品| 亚洲国产成人精品女人久久久| 国产一区二区三区av免费观看| 蜜臀av一区二区三区久久| 被黑人猛烈30分钟视频| 福利一区二区三区视频午夜观看| 一本色道久久88综合亚精品| 多毛小伙内射老太婆| 亚洲精品无码久久久久| 国产精品久久久久免费看| 亚洲一区二区三区免费网站| 日本特黄特色特爽大片| 久久天天躁狠狠躁夜夜2020!| 澳门精品一区二区三区| 九九影院理论片私人影院| 成人免费网站视频www| 欧美xxxxx精品| 国产色婷婷久久又粗又爽| 水蜜桃精品一二三| 中文字幕亚洲精品第1页| 一个人在线观看免费视频www| 国产精品va在线观看一| 精品人妻久久一日二个|