基于數據包絡分析交叉評價的互聯網金融平臺個人借貸業務信用評估系統構建

李 彤

（中央財經大學商學院，北京 100089）

一、我國互聯網金融行業及個人借貸業務現狀分析

互聯網金融是傳統金融行業與互聯網行業技術相互融合而產生的新興產業。我國互聯網金融行業經歷了最初的探索與相對無序的狀態，到如今進入行業的企業迅速增加、平臺數逐年創新高、逐漸規范化、監管逐漸明晰的階段，對各互聯網金融平臺的安全運營也就提出了更加嚴格的要求。

在互聯網金融行業競爭中，網貸、理財仍然是各大平臺展開競爭的主要領域，且競爭程度激烈。

截至2018年6月，網貸平臺數量累計達到了6142個，行業成交量不斷增長，但增速放緩，綜合預期收益率緩慢下降①。多業務互聯網金融平臺在激烈的競爭中仍不斷拓展新業務，爭取更大的市場份額。各平臺通過新手標、加息、紅包等手段爭奪客戶，加息程度甚至高達10%以上。

2015年11月，中共十八屆五中全會通過的關于十三五規劃建議的文件中提出規范發展互聯網金融②，互聯網金融首次被寫入中央五年規劃中。2016年7月印發的《國家信息化發展戰略綱要》再次提到規范互聯網金融行業，以及防范互聯網金融風險的重要性③，這充分說明了國家對于在戰略層面對于我國互聯網金融發展的重視程度。

目前，針對該行業的監管逐漸形成規范，相關法律法規和準則也逐步完善和嚴格，行業內自律性管理的要求不斷提高，質量低下的平臺逐漸被淘汰和清除，對于各大互聯網金融平臺的風險管理也就提出了更高的要求。其中，個人借貸業務是互聯網金融平臺中風險、違約率較高的一項業務，需要各平臺重點關注。

個人借貸業務雖然能夠帶來同等金額條件下更多的手續費收入、新的投資用戶和更廣泛的影響力，但這些收益是建立在個人借貸業務的高風險上的。

除了互聯網金融業務都面臨的政策風險、網絡技術安全風險以外，個人借貸業務還會面臨道德風險、審貸風險及信息不對稱風險。

個人借貸業務的風險主要集中在違約問題上，需要借助有效的信用評估系統進行風險管理和控制。互聯網金融個人借貸平臺的風險管理重點在于個人信用評估體系構建，下文將提供一種采用數據包絡分析方法的交叉評價模型建立個人信用評估系統的思路。

二、通過數據包絡分析交叉評價法建立個人信用評估系統

（一）采用數據包絡分析法構建個人信用評估體系的原因

數據包絡分析方法能夠衡量多投入、多產出的部門效率，此時將每個申請人看作一個部門，按照一定的標準制定輸入指標，以是否違約作為輸出指標，即可綜合借款申請人的所有因素評價借款申請人的信用等級。另外，采用該方法能夠通過交叉評價對各個申請人進行排序，有利于在短時間內根據一定標準對大量的申請人進行篩選和排序，具有方便快捷、輸出結果直觀、簡潔的優點，能夠在提高效率的同時降低風險。

（二）數據包絡分析法簡介

數據包絡分析法(DEA)是對一些同類型的部門或單位(以下稱為決策單元(DMU))進行相對有效性比較的一種方法。每個決策單元的有效性是用該單元的多指標輸出的加權和與多指標輸入的加權和之比來定義的。

則DMUi的總輸出Oi與總輸入Ii之比：

稱為DMUi的效率評價指數。

1.自我評價模型。

由此得到的Eii是利用最有利與DMUi的權重計算出來的值，稱為自我評價值。當Eii=1時稱為有效的，若小于1則非有效。

但該方法具有一定的缺陷，只重視少數對自身決策單元有利的輸入和輸出指標，而不重視對其不利的指標，從而導致計算出的結果并不能真正地顯示出各個決策單元效率的高低。因此需引入交叉評價機制。

2.交叉評價模型。交叉評價模型在考慮每個輸入指標的效率之外，還考慮了除自身外的其它輸入指標的效率，其核心思想是在使自身的效率越高越好的情況下，使其它輸入指標的效率越低越好，即使各指標之間產生一種對抗效果，具體公式如下：

用最優值u*i，v*i算出交叉評價：

交叉評價矩陣（由交叉評價值的計算結果構成）:

（四）算例分析

1.輸入、輸出指標的確定。DEA模型是解決多投入、多產出評價問題的模型，對應的需要建立一系列輸入、輸出指標。在個人信用評價問題上，我們需要對申請人盡可能多的會影響借款按時償還的因素進行評價。根據DEA模型的原理，DEA模型輸出的效率越高，則輸入指標應盡量小，相應的輸出指標則應盡量大。

X1-性別：在關于個人信用的問題上，有觀點認為女性較為謹慎，男性更偏向于冒險，因此女性取值為1；男性取值為2。

X2-婚否：由于已婚人士的生活一般更穩定，并且一個家庭很可能會有雙份收入，因此將已婚取值為1；未婚取值為2。

X3-職業：設高級管理人員取值為1；技術人員取值為2；普通職工取值為3；自由職業者由于穩定性難以預料，取值為4；無職業取值為5。

X4-單位性質：設國家機關取值為1；科教文衛等事業單位取值為2；商業及金融行業取值為3；高科技行業取值為4；郵電通訊取值為5；社會服務相關行業取值為6；水電氣供應、工業交通、房地產等行業取值為7；娛樂、藝術、體育等行業取值為8；其它行業取值為9。

X5-借款期限：以借款的月份數作為該項的取值。

X6-借款金額：以借款金額（單位：萬元）作為該項的取值。

X7-曾經違約次數：以曾經違約的次數作為該項的取值。

對于輸出指標的選擇，輸出指標越大，輸出指標與輸入指標之比就越大，得到的效率值越高，因此輸出指標應包括：

Y1-年齡：以申請人的年齡即為該項的取值。

Y2-月均收入：以申請人的月收入（單位：千元）直接作為該項的取值。

Y3-受教育年限：以申請人的受教育年限（從小學開始計算）作為該項的取值。

2.具體算例。假設某互聯網金融平臺計劃推出兩個網貸項目，即需要選擇兩個借款人，有29個借款申請人，這29個借款申請人的他們的各項指標情況由問卷調查回收的29份有效問卷得出。

由調查結果得出的借款人的指標情況如下所示：

表1 各申請人輸入、輸出指標

?

由上表可以得到29位申請人的輸入、輸出矩陣，利用Matlab軟件，輸入以上數據，可得到決策單元相對計算值：

表2 決策單元相對計算值

對這29個申請人信用評價高低的排序，可得到排序為：

由此可見，在經過DEA交叉評價排序后，若要在這29位申請人中選擇最合適、違約風險最小的，應選擇申請人2與申請人11。

由表格可看出，排名在第一位的申請人2為52歲大學本科學歷的已婚女性，且為事業單位的高級管理人員，借款期限為3個月，借款金額僅為2萬，月薪約為1.8萬元，之前無違約行為，可見其有穩定的收入和充足的償還能力，違約風險非常小。而排名在最后一位的申請人8是年齡為24歲的高中學歷未婚男性，屬于X4指標中列舉的行業外其他行業的普通職工，借款期限為6個月，借款金額也為2萬元，但其月薪僅有約5500元，且曾有過2次違約記錄，對比表格中其他申請者，通過經驗可以大致判斷出其違約風險是前29位申請者中最大的，在其它申請人的數據與排名對比中也可見DEA交叉評價模型在個人信用評估方面具有一定的準確性。

選出2號、5號兩位申請人后，應當對這兩位申請人進行更加全面、更加細致的調查，保證其提供的用于評價的資料的真實性與準確性，并針對其它細節問題進行進一步詳細的調查，以保證其能夠按時履行還款義務。值得注意的是，在這種信用評價機制下，申請人并無先來后到的區別，即平臺只在所有申請人中選取最優的申請人，而不考慮這些申請人申請順序的先后，因此，如果申請人的信用條件不具有一定的競爭力，很可能即使申請了也長時間無法借款。但在這種機制下，可以允許申請人隨時對自身的資料進行補充，以促使申請人不斷提高自身的信用等級，同時也能降低平臺的風險。

需要說明的是，以上指標的選擇、取值的確定只作為一個范例，互聯網金融平臺在應用該方法的時候應該根據實際情況確定投入、產出指標的選擇以及科學地制定每個指標取值的標準。

然而，據研究表明，DEA模型雖然能夠較為有效地評價個人信用，但由于申請人為了自身利益而對申請材料進行一定程度的修飾和掩蓋，導致的信息不對稱會使評價上產生偏差，再加一些難以預料的突發情況等風險，即使經過后期對借款人的全方位調查，也并不能做到完全通過數據包絡分析信用評級消除借款人的違約風險。因此，還需考慮一旦發生借款人逾期或違約不還款，如何保證投資用戶的資金安全，維持平臺信譽，防止客戶流失。

因此，僅僅依靠DEA建立個人信用評估系統對于互聯網金融平臺風險防范而言是不夠的。平臺自身還需擁有風險防范機制，以滿足違約情況出現時的資金需求。可以通過風險準備金、與第三方擔保公司合作或與保險公司合作的方式實現。

注釋

①數據來源：網貸之家。

②《中共中央關于制定國民經濟和社會發展第十三個五年規劃的建議》，2015年11月3日。

③《國家信息化發展戰略綱要》，2016年7月27日。