大學生助學貸款風險信用評估模型研究

俞立超+倪雙博+陳素瑩+賈宜雯

[摘 要]為能夠客觀地評價國家助學貸款還貸問題中大學生信用以及還款能力，高校應綜合考慮影響大學生貸款的各個因素，選取適當的評價指標，建立基于層次分析法的大學生貸款信用模型。同時，要根據問卷調查以及專家調查法的結果，進行合理的指標評價，并根據學生實際情況進行分析，檢驗模型可行性。

[關鍵詞]大學生助學貸款，層次分析法，專家調查法，評估模型

[中圖分類號] G645 [文獻標識碼] A [文章編號] 2095-3437（2018）01-0192-04

國家助學貸款主要是幫助高等院校中經濟困難的學生維持生活、學習上開支的一項重要措施，其本質是幫助學生樹立自立自強觀念，鞭策學生勤奮學習，努力進步。但是由于我國的大學生貸款機制尚且處于初級階段，個人信用意識缺乏，在國家助學貸款的運行中出現了一些大學生違約的情況。近年來，我國助學貸進入了還貸高峰期，官方數據表明2006屆的畢業生首次還款日能夠按時還款的比例為68.8%，有31.2%的貸款學生不能按時償還助學貸款，存在違約現象。[1]如此之高的不良還貸率，致使國家助學貸款的開展一度陷入困境，甚至于有些商業銀行不愿意繼續發放助學貸款。由于國家助學貸款的發放對象是尚未參加工作的在校大學生，他們沒有工作、沒有穩定的收入來源、沒有信用記錄、沒有可抵押的個人資產，缺乏有效的還貸手段，而且就業之后，大學生流動性強，無法做到按時收取貸款本息，控制貸款風險。因此，建立合理的大學生貸款信用風險評估系統，有助于保障助學貸款政策健康發展。

一、評價指標體系的建立

層次分析法（Analytic Hierarchy Process，簡稱AHP）是將一個復雜的決策問題分解成目標、準則、方案等層次的決策方法。AHP方法適用于衡量多定性變量的問題。本文選用層次分析法來研究大學生貸款風險信用評估模型，是由于大學生助學貸款影響因素大多是定性因素，無法得到一般的定量數據。

（一）風險評估指標的選擇

本文在研究之時，通過專家調查法以及相關問卷的結合，確定了以下影響大學生還貸情況的主要指標：

1.學生自然情況

學生自然情況在一定時間段內無法有較大的改變，因此學生自然屬性對學生的個人成長起的較為關鍵的因素。本文之中，學生自然屬性主要包括學生學歷，學生戶籍以及身體狀況。學生的學歷決定了學生的受教育水平以及學生畢業之后的工作情況；學生戶籍主要是能夠影響學生工作的就業地區，畢業之后生計的問題；學生的身體狀況是學生是否有能夠后續還貸的最為關鍵的因素。因此本文認為學生自然情況是一個重要的評價標準。

2.學生在校情況

學生在校情況反映的是學生在學習、生活等各方面的情況，對于往后貸款還款的信用風險有很大的關系。本文從三個指標層對學生在校情況進行了劃分，分別是綜合成績排名、消費情況和在校收入（勤工助學、獎學金等）。其中綜合成績排名在很大程度上決定著學生以后工作績效的情況，也自然而然影響以后還款的能力；學生的消費情況影響以后能否按期還款和是否能夠合理運用貸款；而學生在校期間的收入情況則反映了學生的還款能力。

3.學生道德水平

學生的道德水平與其能否按時歸還助學貸款有著很大的聯系，是學生信用水平的一個極為重要的評價指標。道德水平可以具體分成表彰或違紀、同學和老師評價、往期借貸情況這三個反面。其中表彰或違紀反映了學生對學校紀律的遵守程度，從側面體現出學生的道德水平；學生周圍的同學和老師是與學生朝夕相處的人，對學生的個人道德水平了解很深，所以通過同學與老師的評價我們可以從一定程度上對學生的道德水平進行評估；學生在生活中難免會向朋友借錢或是通過螞蟻花唄、在線貸、眾易貸等借貸平臺進行小額借貸，這樣學生早期的債務歸還情況及目前的債務情況我們可以一并搜索到，這是學生是否有信用的重要信息，也是衡量學生道德水平的一大標準。

4.學生所處環境

在對大學生助學貸款進行風險評估時，還應該考慮學生所處環境，因為所處環境對學生的未來發展有較大影響，而學生的還款能力又取決于他們未來的發展。我們將學生所處環境細分為家庭情況、學校性質和專業情況這三個指標。學生個人的家庭情況會影響學生還貸的積極性；學校性質影響學生的就業情況，從而影響學生的還款能力；而通過專業情況可以預估學生今后的工作情況。通過這些指標可以對學生的還貸能力進行預測，從而更好地進行貸款風險評估。

在選取指標的時候，本文盡可能包含主觀和客觀的多個條件，使得最后評估能夠較為準確地描述整個有關還貸的風險。在后文敘述之中，將詳細闡述有關指標如何和實際數據相結合的，以及有關指標的權重分析。

具體情況如表1所示：

（二）指標權重的確立

在本文中采用了層次分析法，確定相關聯因素權值，并進行矩陣的一致性檢驗。具體步驟如下：

1.建立遞階層次的結構模型

在應用層次分析法時，首先需要把問題進行層次化、明確化，產生一個有層次的結構模型。在此基礎上，把確定的指標，按所屬關系進行分類，形成若干層次，上一層對下一層有統治地位。本文將風險評估結果的確定分為3個層次：最上層為目標層，即信用風險評估結果；中間層為準則層；最后一層為子準則層。

通過比較確定準則層對目標的權重，以及比較確定子準則層中各指標對相應準則的權重，從而計算組合權重，得出子準則層中各指標對目標的權重。這些權重在人的思維過程中，往往是定性的，而在層次分析法中將 給出權重的定量方法。

2.構造成對比較矩陣

選取n位長期從事大學生助學貸款工作的專家，他們的評判能基本準確反映學生各因素對助學貸款風險的影響程度。專家們對B級評價因素進行兩兩比較，并在各B級評價因素下，對C級評價因素進行兩兩比較，即可構造各層次下的判斷矩陣M=（mij）n×n，一般采用Saaty提出的1-9比率標度法。endprint

假設要比較某一層n個因素C1，C2，……，Cn對上一層因素B的影響，每次取兩個因素Ci和Cj，用mij表示Ci和Cj對B的影響之比，全部比較結果可用成對比較矩陣M=（mij）n×n，（mij>0，mij=）表示。

3.計算各指標的權重

對專家給出的判斷矩陣M=（mij）n×n，按以下順序計算各指標的權重值。

（1）特征根法

用對應于M最大特征根（記作λ）的特征向量（歸一化后）作為權向量ω，即ω滿足Mω=λω，

從而得出權向量ω。

（2）一致性檢驗

成對比較陣通常不是一致陣，但是為了能用它的對應于特征根λ的特征向量作為被比較因素的權向量，其不一致程度應在容許范圍內。Saaty將CI=定義為一致性指標。Saaty又引入隨機一致性指標RI，一致性比率CR，當CR= <0.1時認為M的不一致程度在容許范圍之內，可將其特征向量作為權向量。[2]

4.確定方程

根據專家調查法，我們得到了如下成對比較矩陣：

按照專家給出的成對比較矩陣，借助Matlab程序，根據以上步驟可以計算出各指標的權重值如下：

在得到具體的權重以后，將各層權重值分別相加得出綜合權重值。將各指標值與權重值相乘，累計可以得出綜合評分值。

對于大學生助學貸款的風險評估問題，特別是當許多大學生數據無法得到具體通過數值確定的數據，AHP分析作為一個較為準確，有效的工具，取得了相對應的成果。本文通過這項研究確認在評判大學生還貸風險的問題之中，學生現有勤工儉學情況占有最為主要的影響因素，這與鄧文卓[3]的研究結果是一樣的。與此同時，學生的往期借貸情況也是一個非常重要的因素，這符合一般的想法，與現實一致。

二、學生信用度評價

為了評價一個學生是否具有貸款的資格，我們利用上述模型根據專家調查法和問卷調查法，結合學生的個人基本情況進行各指標的評分。

（一）學生自然情況

學歷：不同的學歷會帶來不同的就業前景，因此把學歷劃分別為本科、碩士、博士，對應評分為6、7、8。

戶籍情況：把戶籍分為農村、三線城市、二線城市、一線城市，分別對應了不同的發展機遇，故分為5、6、7、8。

健康狀況：身體是衡量學生是否有能力繼續還貸的一個重要標準，把身體情況分為有病史（未治愈）、有病史（治愈）、無病史（健康），對應評分為3、6、9。

（二）學生在校情況

綜合成績排名：學習成績對于還款能力有一定的影響，本文用學生的績點來進行打分，2.0以下、2.0～2.9、3.0～3.9、4.0以上，對應評分為1、5、7、9。

消費情況：按照月消費800元以下、800～1000元、1000～1200元、1200～1500元、1500元以上的區間段分為9、8、6、4、2。

收入（勤工儉學、獎學金等）：本文調查了大學生的收入情況，按照1000元以下、1000～2500元、2500～4000元、4000～5500元、5500元以上的區間段分為4、5、6、8、9，由于大學生的收入情況有所差距，所以對于還款情況也存在一定的差距，而相鄰區間段的學生相差不會太大。

（三）學生道德水平

表彰或違紀：分為處分、違紀、正常、校級獎、省級獎5個層次，以處分為最低分1分，省級獎為最高分9，依次分為1、3、5、7、9。

同學或老師評價：根據語言模糊性，我們將同學或老師的評價分為極差、差、較差、一般、較好、好、極好，得分按1、3、4、6、7、8、9平均分布，符合實際應用性。

往期借貸情況：為了更準確地評價學生在借貸方面的信用情況，我們將借貸情況細致化，結合學生債務的潛在風險，共分為信譽良好、有借款（未到期）、往期不良記錄、有借款（逾期未還），得分依次為8、6、4、2。

（四）學生所處環境

家庭年收入：由于從銀行角度來看，家庭年收入越高，還款能力越強，貸款風險更低，故將其劃分為3類：20000以內、40000以內、50000以內，按1-9評分分別為4、5、6。

學校性質：由于學校性質影響就業情況，而就業情況影響還款能力，故分為大專、二本、普通一本、211、985，按1-9評分分別為1、3、5、7、9。

專業情況：由于專業就業率越高，學生的就業前景越好，學生還款的可能性越大，貸款風險就越低，故將專業情況按就業率分為70%以下、70%-80%、80%-90%、90%-95%、95%以上，按1-9評分分別為3、5、6、7、8、9。

我們根據學生的各項指標評分乘上所建立模型中的對應權重，最后求和，若所得總分大于等于6，說明信用水平較高，貸款風險較低，可予以借款。

三、實例分析

本文通過問卷及訪談的結果，經本人同意得到了某A同學的相關數據，將以此作為實例進行分析。

A同學是一所地方院校的數學師范本科學生，家住連云港內，沒有往期病史，綜合績點為3.2，月消費為1100，沒有收入。根據同學之間的評價為一般，沒有表彰或違紀情況，借貸情況信譽良好，家庭收入50000以內。

通過計算可以知道是6.2138，可以予以借貸。

四、建議

根據本文調查研究的結果，希望學校能夠幫助學生找到更多的勤工助學機會，給以大多數學生現實的崗位，加大學生的付出意識。在此基礎之上，本文建議在學校之中建立相對應的信用監督機制，統計大學生在校的圖書館借閱情況。并且如果在校時有不良借貸情況，也可以通過借貸人情況上報記錄檔案。本文希望借此計劃來提高學生的信用理念，減少還貸風險，增加大學生可以借貸的可能性。

[ 參 考 文 獻 ]

[1] 邢彪，李雄平，段元媛. 國家助學貸款中有關大學生誠信問題的探討[J]. 當代經濟，2016（20）：100-101.

[2] 姜啟源，謝金星，葉俊.數學模型（第四版）[M].北京：高等教育出版社，2011：249-255.

[3] 鄧文卓， 郭磊， 林新朗. 基于層次分析法的國家助學貸款風險評估體系構建[J]. 中國集體經濟， 2011（9）：106-107.

[4] 崔士冬. 基于模糊綜合評價法的國家助學貸款信用風險評估研究[D].中國海洋大學，2009.

[5] 侯艷茹. 國家助學貸款現狀及對策研究[D].華僑大學，2007.

[6] 陳淼. 我國高等教育助學貸款政策實施的現狀、問題及對策[J]. 新疆財經，2010（2）：58-60.

[7] 勞兆利. 基于層次分析法與模糊綜合評判法的集中運維點選擇優化研究[D].上海交通大學，2007.

[責任編輯：林志恒]endprint