P2P網貸的信用風險評估研究

【摘要】互聯網背景下，P2P網貸高速發展，個人信用風險評估尤為重要，但我國還沒有建立完善的個人信用評分體系，傳統的風險評估方法很難達到滿意的效果。本文借鑒以往的相關研究，綜合考慮指標體系設置的各項原則，選取了婚姻狀況、年齡、工作年限等十項指標，運用Logistic回歸模型，通過實證分析，對個人信用風險進行了評估。

【關鍵詞】P2P網貸 信貸風險 Logit回歸

P2P網貸是在互聯網環境下發展起來的一種全新的借貸模式，但是隨著P2P網貸的發展，信譽問題隨之而來。其中，缺乏專業的平臺信審程序是造成無法準確評估借款人信用的最主要原因，因此，本文擬從個人客戶的基本信息、個人客戶的貸款記錄、個人客戶的還貸記錄等資料中選取影響借款人還款意愿和能力的指標，嘗試構建Logistic回歸模型；進一步地，采集人人貸、宜信、紅嶺創投、拍拍貸、有利網五家P2P平臺的樣本數據，通過實證分析對網貸平臺信用風險的評價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個因變量的Logistic回歸模型如下：

■ （1）

其中，X=（X1X2……Xp）T為p維向量，β=（β1β2……βp）為待求的系數。

這就是Logistic回歸模型。由（1）可推導出：

■ （2）

■ （3）

已知本文Y∈（0，1），現定義Yi=1為第i個客戶按時還款，Yi=0為第i個客戶違約，在Logistic回歸中本文定義P為客戶按時還款的概率，即■。

二、建立Logit回歸模型

（一）模型指標的選取

指標變量的信息需要涵蓋個人客戶三個方面的信息：個人客戶的基本信息、個人客戶的貸款記錄、個人客戶的還貸記錄。本文選擇10項具有普遍性和代表性的指標作為本文的評價指標變量，并建立個人信用風險評價模型。本文對指標進行了分類、賦值，如表1。

表1 指標分述

■

■

本文將原始數據經過賦值處理后，通過SPSS軟件對數據進行logit回歸處理，運用逐步向前回歸方法來篩選對因變量影響最顯著的變量，將其納入模型。由分析結果可以得出，工作年限的回歸系數為正，表明其數值越大，該客戶還款的概率就越大。工作年限是反映客戶工作經驗積累的一個指標，工作時間越長，擁有的資產會多一些，違約的概率越小，反之，違約概率較大，即工作時間較短的客戶違約風險大于工作年限長的客戶，因此其違約的概率也相應提升。

年收入范圍在0.05的顯著性水平下與是否違約呈現出正相關。收入情況直接決定了借款人財務狀況和還款能力，收入越高，選擇誠信的可能性就越大，還款能力越強，違約的幾率也就越低。這也與實際狀況相符，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、近半年貸款逾期次數兩個指標在一定程度上是衡量客戶信用以及經濟狀況的指標，本文之所以選擇近半年為時間段是因為P2P小額貸款是面對個人以及一些小型企業進行的小額、短期的借貸活動，近半年的各種信用指標在很大程度上能夠折射出客戶近期的經濟狀況、信用狀況，以及未來短期時間內的還款能力。二者都與是否違約呈現出負相關，即逾期次數越多，信用狀況越差，違約的可能性也相應的提高。

將相應的參數代入到模型中可得：

■

根據式（2）或者（3）即可得出客戶相應的還款概率P。選取樣本中的一組數字舉例來說，X6=0.8，X7=0.8，X9=0，X10=1，即可得出logit（P）=3.5906，進而得出■，即還款概率為97.32%。

（二）模型檢驗

通過向前逐步回歸，得到的分類預測結果。由此可以看出，該回歸對于個人信用風險預測的準確率較高，對于參與檢驗的樣本的預測準確率達到了89.2%。在最后一步的回歸中，未償還貸款的29個樣本，21個預測結果為違約，8個被誤測為不違約，準確率達到了72.4%。在按時還款的91個樣本中，86個準確預測，5個被誤測違約，準確率達到了94.5%。易知，運用Logit回歸對個人信用風險進行預測，具有較高的準確率和可信度。

三、結論與展望

本文借助構建個人信用風險評價的Logit回歸模型，基于五家P2P平臺的120組樣本數據，實證分析表明：工作年限、年收入、近半年信用卡逾期次數、近半年貸款逾期次數指標在反映個人信用風險狀況方面具有較好的代表性，對于是否違約的樣本預測準確率分別達到72.4%、94.5%，并且模型整體預測準確率達到89.2%，表明該模型具有一定的實際使用價值。事實上影響客戶能否按時還款的因素還有很多，除了一些能夠量化的因素之外，客戶本身的道德品質更是一個關鍵因素。因此，今后的研究如能添加對一些非量化因素的考量，勢必能為P2P網貸信用風險的評價、預測以及后續的風險響應和規避等勾勒出一幅完美的圖景。

參考文獻

[1]陳為民，馬超群，馬林.我國個人信用評分的發展趨勢[J].商業研究，2010，（1）：98-101.

[2]王繼暉，李成.網絡借貸模式下反洗錢風險分析與應對.[J].金融與經濟，2011.（9）：9-11.

基金項目：本論文受到國家社會科學基金（12CGL031）、教育部留學回歸人員科研啟動基金、上海市科委軟科學重點項目（16692106500）資助。

作者簡介：劉曼（1995-），女，河南商丘人，上海海事大學經濟管理學院碩士研究生，研究方向：管理決策與風險管理。