廖夢(mèng)晗，陳 晨，張丹丹

(1.武漢科技大學(xué) 恒大管理學(xué)院，湖北 武漢 430065；2.武漢工商學(xué)院 管理學(xué)院，湖北 武漢 430064)

目前，P2P(peer-to-peer lending,P2P)網(wǎng)絡(luò)借貸進(jìn)入國(guó)內(nèi)盡管已經(jīng)有10年時(shí)間，但各類管理系統(tǒng)還不夠健全，仍然存在很多復(fù)制英美等發(fā)達(dá)國(guó)家平臺(tái)的痕跡。在國(guó)外，運(yùn)營(yíng)較為成功的平臺(tái)Zopa，成立于2005年3月，目前擁有超過50萬注冊(cè)會(huì)員；世界上最大的平臺(tái)Prosper，成立于2006年，目前擁有超過220萬注冊(cè)會(huì)員，有超過20億美元的借貸發(fā)生額。[1]

P2P網(wǎng)絡(luò)借貸不是簡(jiǎn)單意義上的無抵押貸款，實(shí)質(zhì)上是借貸雙方通過互聯(lián)網(wǎng)平臺(tái)發(fā)生借貸，它是互聯(lián)網(wǎng)與現(xiàn)代金融相結(jié)合的產(chǎn)物。它與傳統(tǒng)的借貸方式一樣滿足了借款方的資金需求，在征信體系和閑散資金的分配方面，與傳統(tǒng)的借貸方式相比，P2P網(wǎng)絡(luò)借貸更加公開、透明。

我國(guó)的P2P起步較晚，沒有完善的征信體系做支撐，導(dǎo)致借貸平臺(tái)對(duì)借款人缺乏科學(xué)合理的評(píng)估方法。某些借款人利用這些漏洞，故意偽造自己的信用度來騙取資金，借款后惡意違約，這種惡意的行為給貸款人和借貸平臺(tái)帶來很大風(fēng)險(xiǎn)。因此，構(gòu)建P2P借款人信用風(fēng)險(xiǎn)評(píng)估模型具有重要的現(xiàn)實(shí)意義。

一、P2P借款人信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建

(一)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建原則

為了對(duì)P2P借款人信用風(fēng)險(xiǎn)的評(píng)估更加準(zhǔn)確，同時(shí)保證評(píng)估系統(tǒng)能順利地設(shè)計(jì)與實(shí)施，首先需要分析P2P借款人信用風(fēng)險(xiǎn)的影響因素，然后研究這些因素產(chǎn)生的原因、內(nèi)在的關(guān)系和變化的機(jī)理。在建立P2P借款人信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系過程中要遵循一定的原則。

1.指標(biāo)的全面性與重要性相結(jié)合

P2P借款人的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)的全面性是指其能夠反映信用風(fēng)險(xiǎn)各方面的問題，這些指標(biāo)之間要有一定的邏輯性。影響P2P借款人信用風(fēng)險(xiǎn)的因素較多且復(fù)雜，所以在建立指標(biāo)體系的時(shí)候，為保證各指標(biāo)緊密聯(lián)系，所選取的指標(biāo)不僅要全面，而且需具有代表性，這樣在避免重復(fù)選取的同時(shí)，還能提高評(píng)估的準(zhǔn)確度。

2.指標(biāo)內(nèi)容的動(dòng)態(tài)性與相對(duì)穩(wěn)定性相結(jié)合

為了保證評(píng)估系統(tǒng)的穩(wěn)定性，在建立指標(biāo)體系時(shí)，所選取的指標(biāo)需要有相對(duì)穩(wěn)定性。這樣，即使社會(huì)環(huán)境、經(jīng)濟(jì)環(huán)境有較大的變化，指標(biāo)體系的邏輯結(jié)構(gòu)也不會(huì)受到較大的影響，總體上呈現(xiàn)穩(wěn)定的狀態(tài)。但是這些指標(biāo)也不是一成不變的，需要根據(jù)時(shí)間的變化而不斷更新。因此，所選取的指標(biāo)不僅要相對(duì)穩(wěn)定，而且要具有動(dòng)態(tài)性。

3.指標(biāo)的可行性與有效性相結(jié)合

指標(biāo)的可行性與有效性是指收集到的指標(biāo)可以量化，便于分析問題，在指標(biāo)體系建立之后能評(píng)估借款人的信用風(fēng)險(xiǎn)，同時(shí)，收集指標(biāo)時(shí)所花費(fèi)的財(cái)力物力也是可以接受的。這樣，所建立的評(píng)估體系將會(huì)更加準(zhǔn)確、有效。

4.定性指標(biāo)與定量指標(biāo)相結(jié)合

定量指標(biāo)能夠準(zhǔn)確地定義、評(píng)價(jià)P2P借款人的信用風(fēng)險(xiǎn)，由于其量化的特點(diǎn)，計(jì)算出的數(shù)值也可以直接反映問題所在，更加客觀、有效、有說服力。當(dāng)然不是所有的指標(biāo)都能夠量化，還需要定性指標(biāo)的輔助作用，通過這些定性指標(biāo)對(duì)影響因素進(jìn)行描述分析，從而反映問題的所在。兩類指標(biāo)相結(jié)合，使得構(gòu)建的指標(biāo)體系更加全面而具體。

(二)影響借款人信用的基本因素

基本屬性指標(biāo)包括性別、年齡、文化程度、婚姻狀況、所在地等。一般認(rèn)為，男性的違約率會(huì)高于女性，并且他們也不太關(guān)注信用記錄；處于不同年齡段的人群，他們的經(jīng)濟(jì)能力與風(fēng)險(xiǎn)偏好都有所不同，接受風(fēng)險(xiǎn)和承擔(dān)風(fēng)險(xiǎn)的能力也不同；婚姻狀況會(huì)影響借款人的家庭收入水平與消費(fèi)結(jié)構(gòu)，婚后責(zé)任感的增強(qiáng)也會(huì)提高其信用度；不同的地域所給予的經(jīng)濟(jì)、政策、文化氛圍、環(huán)境風(fēng)氣也會(huì)對(duì)借款人的信用造成影響。

償債能力指標(biāo)包括職業(yè)類型、月收入、工作年限、名下不動(dòng)產(chǎn)屬性和購(gòu)車情況等。月收入能直接反映借款人的還款能力，一般來說，月收入越高，還款能力越強(qiáng)，但這并不代表其違約的風(fēng)險(xiǎn)就越小，因?yàn)楦呤杖氲娜艘哺菀灼糜诟唢L(fēng)險(xiǎn)的投資。名下不動(dòng)產(chǎn)屬性和購(gòu)車情況也可以從側(cè)面體現(xiàn)借款人的經(jīng)濟(jì)實(shí)力。

借款產(chǎn)品指標(biāo)包括金額、用途、期限、利率、標(biāo)的等。一般情況下，為得到更多的借款金額，提供較高利率的借款人信用狀況相對(duì)較差；同樣地，隨著借款期限的延長(zhǎng)，資金的流動(dòng)性降低，違約風(fēng)險(xiǎn)也會(huì)加大。

借款人歷史信用指標(biāo)包括信用卡情況、逾期還款筆數(shù)占總還款筆數(shù)百分比、違約情況、央行認(rèn)證信息等。這些信用指標(biāo)可以為P2P網(wǎng)絡(luò)借貸平臺(tái)衡量借款人的信用度提供更為真實(shí)的參考數(shù)據(jù)。

(三)借款人違約特征分析

1.數(shù)據(jù)來源

為了較為準(zhǔn)確地分析我國(guó)P2P網(wǎng)絡(luò)貸款平臺(tái)借款人的信用風(fēng)險(xiǎn)影響因素，本研究選取國(guó)內(nèi)首家提供無擔(dān)保的網(wǎng)絡(luò)借貸平臺(tái)，同時(shí)也是第一家由工商部門批準(zhǔn)的具有金融信息服務(wù)資質(zhì)的互聯(lián)網(wǎng)金融平臺(tái)拍拍貸[2]作為研究對(duì)象。

為了確保數(shù)據(jù)分析的有效性，本研究隨機(jī)選取平臺(tái)中4027條借貸數(shù)據(jù)，除去一些不準(zhǔn)確、不完整的信息，最終選取2505條數(shù)據(jù)作為分析樣本。

由于以互聯(lián)網(wǎng)作為媒介展開調(diào)查有一定局限性，所以調(diào)查到的信息也比較簡(jiǎn)單。針對(duì)本研究構(gòu)建借款人信用風(fēng)險(xiǎn)評(píng)估模型的目標(biāo)，分別對(duì)正常還款的用戶樣本和違約還款的用戶樣本進(jìn)行統(tǒng)計(jì)和分析。

2.樣本分析

從年齡看，20～29歲的違約率達(dá)到21.20%，是違約率最高的年齡段，30～39歲、40～49歲、50～59歲、60歲及以上的違約率分別為17.11%、11.36%、10.11%、8.33%。由此可以看出，隨著年齡的不斷增長(zhǎng)，借款人違約率越來越低，信用風(fēng)險(xiǎn)越來越小。這一現(xiàn)象的出現(xiàn)，不僅與每個(gè)年齡階段對(duì)待風(fēng)險(xiǎn)的意識(shí)有關(guān)，還跟其收入和工作年限有關(guān)。此外，60歲及以上的年齡層，參與人數(shù)非常少，可以看出他們對(duì)待新鮮事物十分謹(jǐn)慎。

從性別看，男性借款的人數(shù)大大超過女性借款的人數(shù)，并且男性的違約率也大于女性的違約率。這反映出女性在貸款方面相對(duì)保守，并且女性對(duì)信貸的了解程度相對(duì)于男性較弱，在信貸平臺(tái)的活躍度也較低。

從婚姻狀況看，未婚借款人的違約率高達(dá)27.19%，居于四類人群中的首位?？梢钥闯?，未婚人士在責(zé)任感方面并不強(qiáng)。而已婚人群與離婚人群相差不大，這可能跟婚后家庭的消費(fèi)結(jié)構(gòu)及自身對(duì)于家庭的責(zé)任感有關(guān)。

從文化程度看，借款人文化水平越高，違約率越低，相對(duì)應(yīng)的信用風(fēng)險(xiǎn)也越低。這說明文化水平高的人群收入更加穩(wěn)定，并且接受了更加完善的誠(chéng)信教育，同時(shí)，學(xué)歷越高的人越能更快接受新型的借貸模式，對(duì)于信貸的認(rèn)識(shí)也更為全面。

(四)其他風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)分析

除借款人自身因素與信貸產(chǎn)品的因素之外，P2P平臺(tái)的管理能力與社會(huì)環(huán)境對(duì)P2P的影響也是要考慮的因素。例如，平臺(tái)對(duì)該借款人的風(fēng)險(xiǎn)控制能力與其后臺(tái)的追蹤能力都屬于平臺(tái)內(nèi)部的管理風(fēng)險(xiǎn)，它與信貸人本身的特征沒有關(guān)系，但信貸人會(huì)根據(jù)平臺(tái)所存在的漏洞來尋找各種途徑逾期或者違約。而法律因素更是這一個(gè)大環(huán)境中平臺(tái)與借貸雙方都必須絕對(duì)遵守的。這些指標(biāo)不同于之前所提到的借款人自身基本能力指標(biāo)，而是平臺(tái)根據(jù)不同借款人的實(shí)際情況進(jìn)行評(píng)估衡量的，當(dāng)然也成為P2P借款人信用風(fēng)險(xiǎn)的關(guān)鍵因素指標(biāo)。

二、模糊層次模型

(一)層次分析法(AHP)

層次分析法是美國(guó)運(yùn)籌學(xué)家薩蒂(T.L.Saaty)于20世紀(jì)70年代初期提出的決策方法。它的出現(xiàn)使得定性問題的分析更為簡(jiǎn)便和靈活。其通過分析復(fù)雜系統(tǒng)所包含的因素及相關(guān)關(guān)系，將問題條理化、層次化，然后將每個(gè)層次的各個(gè)因素按照一定的標(biāo)準(zhǔn)進(jìn)行兩兩比較，得到兩因素的重要程度，同時(shí)得到判斷矩陣。[3]

(二)模糊綜合評(píng)價(jià)法(FCE)

模糊綜合評(píng)價(jià)法是一種基于模糊數(shù)學(xué)的綜合評(píng)價(jià)方法。該綜合評(píng)價(jià)法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)。[4]

(三)模糊層次分析法(F-AHP)

模糊層次分析法是將層次分析法中的指標(biāo)分層方法和模糊理論相結(jié)合，借助模糊判斷矩陣實(shí)現(xiàn)決策由定性向定量轉(zhuǎn)化，直接由模糊判斷矩陣構(gòu)造模糊一致性判斷矩陣，使判斷的一致性得到解決，然后通過模糊數(shù)矩陣和層次分析法得出的權(quán)重向量計(jì)算得到模糊綜合權(quán)重，最后對(duì)其排序。[5]該方法能有效表達(dá)判斷的不確定性及有效降低專家的個(gè)人偏好對(duì)打分的影響。同時(shí)，判斷矩陣的模糊性彌補(bǔ)了AHP的缺點(diǎn)，簡(jiǎn)化了人們判斷目標(biāo)相對(duì)重要性的復(fù)雜程度。

(四)模糊層次分析法的步驟

1.風(fēng)險(xiǎn)因素層次分析結(jié)構(gòu)模型的建立

在研究問題的初期，為把問題條理化和層次化，需構(gòu)造出一個(gè)層次分析模型。把選出的指標(biāo)按其屬性進(jìn)行分層分組，同一層次的元素作為準(zhǔn)則對(duì)下一層次的某些元素起支配作用，同時(shí)又受上一層次某些元素的支配，進(jìn)而建立如下結(jié)構(gòu)模型[6]：

(1)目標(biāo)層(A)：只包含一個(gè)元素，為既定問題的目標(biāo)或者理想的結(jié)果。

(2)準(zhǔn)則層(B)：包括為實(shí)現(xiàn)目標(biāo)層所涉及的各個(gè)準(zhǔn)則。

(3)因素層(C)：準(zhǔn)則層所闡述的一級(jí)指標(biāo)細(xì)分出的二級(jí)指標(biāo)。

2.模糊互補(bǔ)判斷矩陣的構(gòu)造

建立風(fēng)險(xiǎn)因素層次分析結(jié)構(gòu)模型，確定因素層次之間的隸屬關(guān)系，然后構(gòu)造各層次元素的模糊判斷矩陣。做因素間的兩兩比較判斷，采用一個(gè)因素比另一個(gè)因素的重要程度定量比較，得到模糊判斷矩陣。[7]通常用0.1至0.9九度標(biāo)法做出因素間的數(shù)量標(biāo)度，如表1所示。

表1 0.1至0.9九度標(biāo)法數(shù)量標(biāo)度

定義1：設(shè)模糊矩陣A=(aij)n×n，若矩陣中的元素滿足aij+aji=1，則矩陣A被稱為模糊互補(bǔ)矩陣。

將因素a1,a2,…,an兩兩比較判斷，得到模糊判斷矩陣A?？芍仃嘇=(aij)n×n滿足定義1的條件，可以判斷出公式(1)是模糊互補(bǔ)矩陣。

(1)

3.模糊互補(bǔ)判斷矩陣權(quán)重的計(jì)算

定義2：設(shè)模糊互補(bǔ)判斷矩陣A=(aij)n×n，利用公式(2)對(duì)矩陣A的各行求和，再利用公式(3)做數(shù)學(xué)變換。

(2)

(3)

得到模糊一致性矩陣R=(rij)n×n,對(duì)矩陣R進(jìn)行歸一化處理，得到因素排序向量W=(W1,W2,…,Wn)T，其中Wi滿足公式(4)。

(4)

4.模糊互補(bǔ)判斷矩陣的一致性判斷

判斷由公式(4)得到的因素的重要性權(quán)重值是否合理，需要對(duì)模糊互補(bǔ)判斷矩陣進(jìn)行一致性檢驗(yàn)。當(dāng)偏移一致性過大時(shí),表明此時(shí)加權(quán)向量的計(jì)算結(jié)果作為決策依據(jù)是不可靠的。

定義3：設(shè)矩陣A=(aij)n×n和B=(bij)n×n均為模糊判斷矩陣,稱公式(5)為A和B的相容性指標(biāo)。

(5)

定義4：設(shè)W=(w1,w2,…,wn)T是模糊判斷矩陣A的權(quán)重向量,其中W滿足公式(6)。

(6)

令Wij滿足公式(7)

(7)

則稱n階矩陣W*[見公式(8)]為模糊判斷矩陣A的特征矩陣，對(duì)于決策者的態(tài)度α，當(dāng)相容性指標(biāo)滿足公式(9)時(shí)，認(rèn)為模糊判斷矩陣A為滿意一致性的。

W*=(Wij)n×n

(8)

I(A,W*)≤α

(9)

α越小，表明決策者對(duì)模糊判斷矩陣A的一致性要求越高，一般可取α=0.1。

5.風(fēng)險(xiǎn)因素層次總排序

在計(jì)算出各層各因素之間的權(quán)重之后，將它們的權(quán)重對(duì)應(yīng)到自身，再計(jì)算所有元素對(duì)于目標(biāo)層的相對(duì)重要性的排序權(quán)重，這個(gè)過程是從最高層次開始逐層向低層次進(jìn)行的。例如，第二層次準(zhǔn)則B包含n個(gè)風(fēng)險(xiǎn)準(zhǔn)則因素B1,B2,…,Bn，其在本層次所占的權(quán)重分別為b1,b2,…,bn，下一層次C包含m個(gè)風(fēng)險(xiǎn)因素C1,C2,…,Cm，它們對(duì)于因素Bi的層次單排序重要性權(quán)重分別為Ci1,Ci2,…,Cim。C層總權(quán)重向量(c1,c2,…,cm)可以用公式(10)來計(jì)算。

(10)

其他層次的權(quán)重也是按照這樣的方法逐層計(jì)算，直至最底層為止，可以得到所有風(fēng)險(xiǎn)因素相對(duì)于目標(biāo)層次的權(quán)重排序，即可以實(shí)現(xiàn)所有風(fēng)險(xiǎn)因素的重要性排序。

三、P2P借款人信用風(fēng)險(xiǎn)評(píng)估模型構(gòu)建

(一)建立層次分析結(jié)構(gòu)模型

通過對(duì)P2P網(wǎng)絡(luò)借貸平臺(tái)信貸人的信用風(fēng)險(xiǎn)進(jìn)行識(shí)別和分析，列出有關(guān)借款人信用風(fēng)險(xiǎn)的一系列因素(如表2所示)。將借款人信用風(fēng)險(xiǎn)指標(biāo)進(jìn)行分層和分類后，得到結(jié)構(gòu)模型。

表2 借款人信用風(fēng)險(xiǎn)因素表

(二)指標(biāo)重要度的數(shù)據(jù)來源

本研究通過對(duì)10位熟悉P2P網(wǎng)絡(luò)借貸平臺(tái)的管理人員和金融借貸行業(yè)的從業(yè)人員進(jìn)行問卷評(píng)分調(diào)查，收集評(píng)分表，得出數(shù)據(jù)。

(三)構(gòu)造模糊互補(bǔ)判斷矩陣，進(jìn)行兩兩比較判別

第二層對(duì)第一層的互補(bǔ)比較判斷矩陣為：

第三層對(duì)第二層的互補(bǔ)比較判斷矩陣分別為：

(四)模糊互補(bǔ)判斷矩陣權(quán)重的計(jì)算

根據(jù)定義2，對(duì)矩陣A、B1、B2、B3、B4、B5、B6進(jìn)行權(quán)重向量的計(jì)算：

WA=(0.14,0.173,0.16,0.2,0.2,0.127)

(五)模糊互補(bǔ)判斷矩陣的一致性判斷

根據(jù)定義2，對(duì)矩陣A、B1、B2、B3、B4、B5、B6進(jìn)行特征矩陣的計(jì)算：

根據(jù)定義3，分別計(jì)算模糊互補(bǔ)矩陣A、B1、B2、B3、B4、B5、B6與其特征矩陣WA*、WB1*、WB2*、WB3*、WB4*、WB5*、WB6*的相容性，得到如下結(jié)果：

I(A，WA*)=0.096<0.1

I(B1，WB1*)=0.081<0.1

I(B2，WB2*)=0.069<0.1

I(B3，WB3*)=0.094<0.1

I(B4，WB4*)=0.085<0.1

I(B5，WB5*)=0.065<0.1

I(B6，WB6*)=0.078<0.1

經(jīng)以上檢驗(yàn)，所給指標(biāo)的相容性指標(biāo)均小于0.1，可以得出經(jīng)上述計(jì)算得出的模糊判斷矩陣A、B1、B2、B3、B4、B5、B6是滿意一致的，從而驗(yàn)證了其權(quán)重WA、WB1、WB2、WB3、WB4、WB5、WB6的分配的合理性。

(六)風(fēng)險(xiǎn)因素層次總排序

根據(jù)計(jì)算結(jié)果，將權(quán)重分配到每個(gè)因素中，得到表5。

根據(jù)模糊層次分析法中的理論，并應(yīng)用公式(10)可以計(jì)算出最底層的每個(gè)風(fēng)險(xiǎn)影響因素的標(biāo)準(zhǔn)的排序向量：

WA=(0.0206，0.0242，0.0252，0.0234，0.0284，0.0182，0.0289，0.0341，0.0265，0.0299，0.0230，0.0306，0.0304，0.0320，0.0384，0.0352，0.0240，0.0450，0.0500，0.0600，0.0450，0.0416，0.0534，0.0484，0.0566，0.0381，0.0361，0.0528)

對(duì)以上結(jié)果進(jìn)行排序，便可以識(shí)別出影響借款人信用風(fēng)險(xiǎn)的關(guān)鍵因素。

表4 指標(biāo)評(píng)估標(biāo)準(zhǔn)表

(七)模型解例

在表2所列舉出的借款人信用風(fēng)險(xiǎn)影響因素指標(biāo)中，存在著一些定性指標(biāo)，例如性別、婚姻狀況、年齡、學(xué)歷等。在前文對(duì)逾期借款人的特征分析的基礎(chǔ)上，再對(duì)一些定性指標(biāo)給予適當(dāng)評(píng)估標(biāo)準(zhǔn)，如表4所示。以上標(biāo)度僅做參考，基于每個(gè)平臺(tái)的情況不同，可自行制定標(biāo)度。

如表4所示，給出拍拍貸中三個(gè)借款人的指標(biāo)數(shù)據(jù)，運(yùn)用P2P借款人信用風(fēng)險(xiǎn)評(píng)估模型，便可以選出信用度較高的借款人。

表5 借款人信息表

注：數(shù)據(jù)來源于拍拍貸

把表4、表5中的數(shù)據(jù)換算出數(shù)值，如表6所示。

可以看出，借款人A、B、C的各項(xiàng)指標(biāo)得分參差不齊，并且由于指標(biāo)數(shù)量較多，無法直觀分析出他們的信用度，所以將每個(gè)指標(biāo)的分?jǐn)?shù)與指標(biāo)的權(quán)重相乘，如表7所示。

通過比較可以看到，借款人B相對(duì)于A和C來說信用度最高，最不容易逾期，而借款人A的信用度在A、B、C中是最低的。通過分析結(jié)果還可以看出，目前拍拍貸平臺(tái)對(duì)于借款人的信息采集指標(biāo)不夠完善，指標(biāo)體系中很多指標(biāo)空缺，導(dǎo)致借款人評(píng)分較低，準(zhǔn)確度也較低。因此，借款人的信息越完善，評(píng)估的準(zhǔn)確度就越高，評(píng)估模型的評(píng)分也會(huì)相對(duì)較高。

表6 指標(biāo)換算表

四、建議

通過對(duì)借款人信用風(fēng)險(xiǎn)影響因素的分析和模型的建立，可以得到權(quán)重位于前五位的指標(biāo)是違約情況、平臺(tái)貸后對(duì)借款人的追蹤程度、平臺(tái)對(duì)該借款人的初步信用評(píng)估準(zhǔn)確度、借款人信息共享程度和逾期還款筆數(shù)占總還款筆數(shù)百分比，權(quán)重位于后五位的指標(biāo)是戶籍狀況、性別、購(gòu)車情況、婚姻狀況、借款標(biāo)的?？梢姡脚_(tái)自身的管理制度和償債能力的指標(biāo)是決定借款人信用較為關(guān)鍵的因素，相對(duì)來說，借款人自身的基本情況次要得多。綜合以上因素權(quán)重的排序結(jié)果，針對(duì)我國(guó)P2P借款人的信用風(fēng)險(xiǎn)問題本研究提出相應(yīng)的建議。

表7 借款人信用風(fēng)險(xiǎn)計(jì)算表

(一)平臺(tái)提高對(duì)借款人信息采集的真實(shí)度

提高對(duì)借款人信息采集的真實(shí)度，是準(zhǔn)確預(yù)測(cè)借款人違約概率大小的前提。表2中的基本屬性指標(biāo)、償債能力指標(biāo)、借款者歷史信用指標(biāo)均屬于對(duì)借款人信息采集類的指標(biāo)。在這些指標(biāo)中，違約情況位列第一，占整個(gè)指標(biāo)體系權(quán)重的0.06。其次是逾期還款筆數(shù)占總還款筆數(shù)百分比，占總權(quán)重的0.05。對(duì)借款人可能違約的影響程度依次為信用卡情況、央行認(rèn)證情況、收入、債務(wù)比率、名下不動(dòng)產(chǎn)屬性和單位類別等。

借款人完善信息的充分情況與評(píng)估結(jié)果正相關(guān)，也就是說，在同等條件下，提供給平臺(tái)評(píng)估的數(shù)據(jù)越多，越有優(yōu)勢(shì)。但如果這些信息中包含大量偽造信息，不但影響評(píng)估數(shù)據(jù)的轉(zhuǎn)換，而且影響評(píng)估的結(jié)果，不真實(shí)的數(shù)據(jù)源只會(huì)讓評(píng)估結(jié)果不真實(shí)。

平臺(tái)采集的借款人數(shù)據(jù)的來源，不能只限于借款人，還應(yīng)包括政府公共部門、合作機(jī)構(gòu)、其他電商平臺(tái)等，這些數(shù)據(jù)的來源也體現(xiàn)了借款人信息共享的程度。

(二)平臺(tái)加強(qiáng)對(duì)借款人貸后追蹤力度

通過對(duì)P2P借款人信用風(fēng)險(xiǎn)影響因素的權(quán)重分析可知，平臺(tái)貸后對(duì)借款人的追蹤程度位于所有權(quán)重的第二位。也就是說，平臺(tái)對(duì)于借款人的控制能力，也是借款人能否按時(shí)還款付息的重要原因。本研究前文提到過，借款人成功借款之后，出資人并不知道借款人是否把錢用在當(dāng)初約定的項(xiàng)目上，不排除借款人為提高投資收益而把錢用在風(fēng)險(xiǎn)更高的項(xiàng)目上，這樣一來，投資人收回貸款的風(fēng)險(xiǎn)可能會(huì)加大。如果這時(shí)候平臺(tái)對(duì)借款人進(jìn)行貸后業(yè)務(wù)追蹤，讓借款人提供項(xiàng)目的合格文件或擬辦公司的許可證等可以公開的文件，則是一種比較好的方式。

平臺(tái)加強(qiáng)對(duì)借款人借款之后的追蹤力度，投資人也可以更加準(zhǔn)確地衡量所借貸項(xiàng)目的風(fēng)險(xiǎn)性從而進(jìn)行決策。

(三)建立大數(shù)據(jù)信息共享模式

我國(guó)個(gè)人征信系統(tǒng)不完善，信用共享程度也較低，造成借款人信用風(fēng)險(xiǎn)問題突出。因此，建立完整有效的個(gè)人征信體系和大數(shù)據(jù)信息共享系統(tǒng)是有效降低借款人違約概率的關(guān)鍵要素。結(jié)合前文對(duì)借款人特征的研究，應(yīng)建立大數(shù)據(jù)信息共享模式，更好地管理和控制借款人信用風(fēng)險(xiǎn)問題。

大數(shù)據(jù)信息的來源可以是各大電商平臺(tái)、理財(cái)平臺(tái)，也可以是移動(dòng)、聯(lián)通等運(yùn)營(yíng)商數(shù)據(jù)庫(kù)中的信息數(shù)據(jù)，這些大數(shù)據(jù)再結(jié)合線下借款人自身提供的數(shù)據(jù)，便可以形成一個(gè)較為全面的個(gè)人信息庫(kù)。與傳統(tǒng)的信息采集模式相比，大數(shù)據(jù)信息共享模式有一定的優(yōu)點(diǎn)。一是信息的數(shù)據(jù)來源廣泛，覆蓋全面，并且對(duì)于很多在專業(yè)征信體系中沒有信息的群體，大數(shù)據(jù)信息都能覆蓋。數(shù)據(jù)種類豐富多樣，不僅可以反映借款人借貸的數(shù)據(jù)，而且能全面地反映個(gè)人的信用情況。二是數(shù)據(jù)時(shí)效性、真實(shí)性和利用度強(qiáng)，不僅可以動(dòng)態(tài)反映借款人的信用狀態(tài)變更，而且可以在最短的時(shí)間內(nèi)收集到借款人的真實(shí)信息，對(duì)于借款人在平臺(tái)內(nèi)部的認(rèn)證也可以給其他平臺(tái)一個(gè)參考。三是大數(shù)據(jù)模式降低了成本。

因此，我國(guó)可以建立大數(shù)據(jù)信息共享模式，在提高信息的真實(shí)性和有效性的同時(shí)，再利用評(píng)估模型對(duì)借款人的信用風(fēng)險(xiǎn)進(jìn)行進(jìn)一步評(píng)估和控制。

(四)加大對(duì)逾期還款人的懲罰力度

在國(guó)內(nèi)，人們經(jīng)常忽視逾期還款的后果，其實(shí)逾期還款是降低個(gè)人征信度的幕后黑手，導(dǎo)致這種情況普遍發(fā)生的原因是對(duì)逾期還款的懲罰力度還不夠。此時(shí)就需要依靠法律的力量來對(duì)借款人進(jìn)行約束，例如有的平臺(tái)提出若借款人如期還款，則能享受到較低的借款資金成本，但若惡意違約，就需繳納額外的罰息。