基于層次分析法的大學生信用風險評價指標體系研究

趙崤宏　溫然

摘 ? 要：本文梳理相關文獻資料，定性分析可能影響大學生信用的眾多因素，采用AHP層次分析法定量分析，選擇了對于大學生信用風險影響較大的因素設計出風險評價數學模型，將風險量化評估，運用Matlab編程計算各因素的權重，構建出一個較為合理的指標權重體系，再運用德爾菲法采用五分制對每一指標的評價分值進行分配，得出一個較為完整的大學生信用風險評價指標體系。

關鍵詞：信用風險;校園貸;大學生信用評價;層次分析法

中圖分類號：F812.7?? ? ? ? ? ? ? ? ? 文獻標識碼：B ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-0017-2019（3）-0050-07

一、引言與文獻綜述

隨著互聯網金融的蓬勃發展，大學生超前的消費觀念和創業需求、互聯網貸款申請的便利使得校園網貸快速發展，與此相伴的是高利貸、暴力催收、裸條貸款等違法違規現象頻發，嚴重破壞了市場規則，擾亂了校園秩序。2017年6月28日，中國銀行業監督管理委員會、教育部、人力資源社會保障部聯合印發《關于進一步加強校園貸規范管理工作的通知》，提出鼓勵銀行等金融機構進一步提高對大學生的服務效率，補齊面向校園、面向大學生金融服務覆蓋不足的短板。針對大學生的信用風險防范便成為了一個急需解決的問題。

對學生的信用風險研究，國外集中于對考試作弊和學術欺騙進行誠信評價，沒有具體而明確的評價體系，國內主要集中在國內大學生誠信檔案建設和管理完善信用評價體系及對信用的現狀進行調查等方面。在指標選取方面，李小芳（2014）通過學習美國FICO信用評價指標體系，結合國內商業銀行的個人信用情況，同時考慮學生的在校信用情況，通過問卷調查來評估影響大學生信用風險的因素。卿馨予（2009）從學生的信貸狀況、學校信譽系統和社會信譽系統的角度分析大學生的信譽，建立了一個信用指標系統。關于對大學生個人信用貸款評估的研究方法，經常使用的統計分析方法有決策樹、回歸分析、專家系統和貝葉斯網絡分析法等。劉姿含（2014）通過建立結構方程分析信用評價，蘭硯軍（2013）選擇模糊評價法對信用等級進行劃分。

通過梳理文獻發現，大學生信用評價指標的篩選與構建目前存在以下不足：一是傳統的信用評價指標中缺少大學生網上消費信用信息，而隨著互聯網消費金融的普及性不斷提高，網絡消費和網絡信貸已成為大學生消費和金融首選，信用評價中應當添加此類信息。二是指標的篩選多側重于單方面的定性分析或定量分析。已有文獻用定性的方法確定的信用評級指標是非常簡單的，未能涵蓋全部信息。鑒于此，本研究運用層次分析法和德爾菲法相結合的方法對大學生信用評價指標進行研究。首先通過定性分析確定可能影響大學生信用的主要因素，然后采用AHP層次分析法定量分析，選擇了對于大學生信用風險影響較大的因素設計出風險評價數學模型，將風險量化評估;運用Matlab編程計算各因素的權重，構建出一個較為合理的指標權重體系;再運用德爾菲法采用五分制對每一指標的評價分值進行分配，得出一個較為完整的的大學生信用風險評價指標體系。

信用風險評價體系的構建和完善有助于判別大學生信用水平等級，在金融機構對大學生提供信用貸款時，提供風險識別依據，為降低違約事件發生，減少暴力催收事件，構筑和完善社會信用體系建設方面起到有益作用。

二、構建信用評價指標體系

（一）大學生的信用評價指標定性分析

大學生信用風險衡量與這一群體的階段性特點密不可分。大學生具有無穩定工作、收入來源渠道單一等特點，可提供的信用記錄較少，幾乎沒有符合條件的可抵押資產。但是，大學生未來收入具有增長潛力，平均工資起點高于高中學歷以下人群，而且隨著工作年限增長，收入會呈顯著上升趨勢，還款履約能力會逐漸提高。因此在對大學生的信用評級評定中不能只停留在個人當前的信用評分中，還需考慮到大學生未來的發展前景，此處將控制風險的系統分為五種情況。

1.基本信息。男生、女生在思維方式和消費習慣中存在一定的差別，影響其信用信息的分布。隨著年齡的增長，大學生專業水平和職業技能在發生變化，收入水平和還款能力不斷發生改變。不同學歷層次的人的收入水平有著明顯差異，同時是否受過良好教育對個人的信用觀也會產生較大影響。所以，此處的基本信息包括貸款人性別、年齡、學歷三大方面。

2.大學生生活環境。主要通過大學生所在的學校、所學專業等與未來該大學生工作相關因素進行分析來衡量大學生信用水平，最重要的潛在因素是分析得到大學生未來工作后可能的信用等級。

3.大學生的經濟來源。首先要考慮的是大學生主要收入來源，對大學生的收入渠道進行詳細調查，借此對給大學生提供信用風險進行評價。

4.誠信行為。大學生的守信程度是建立良好信貸關系和保障償付的重要因素。建立大學生的在校誠信行為考察標準，以此來對其誠信狀況進行評價。

5.家庭收入狀況。家庭資金支持是絕大多數在校大學生的主要經濟來源，因此家庭收入狀況直接影響大學生的消費習慣和金融行為。家庭收入狀況的調查可以通過大學生家庭基本信息分析，通過家庭背景的重要信息給予信用評價。

（二）信用評價模型構建

通過分析影響大學生信用的因素來對大學生信用風險情況進行度量。本文采用層次分析法和德爾菲法進行研究分析，并由此構建出大學生個人信用風險評價模型。

1.AHP層次分析法模型基本介紹。層次分析法是指將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎之上將定性和定量相結合分析的決策方法。層次分析法根據問題的性質和要達到的總目標，將問題分解為不同的組成因素，并按照因素間的相互關聯影響以及隸屬關系將因素按不同層次聚集組合，形成一個多層次的分析結構模型，通過定性指標模糊量化方法算出層次單排序（權數）和總排序，最終使問題歸結為最底層（供決策的方案、措施等）相對于最高層（總目標）的相對重要權值的確定或相對優劣次序的排定。

2.要素選擇。一是基本信息通過三方面來考慮。①隨著年齡的增長，大學生素質能力也在發生變化，其信用行為有所不同;性別不同，大學生對信用的觀念也存在差異;②學歷分為專科、本科、研究生三類。二是生活環境通過三方面考慮;①學校信用：將學校分為職業院校、普通高校、211院校和985院校，按所處的位置進行合理評價。②學校就業狀況：根據學校公布的本校大學生就業率，量化分析學校就業狀況。③專業前景：根據國家公布的熱門專業排名以及是否是和學校每年公布的本專業畢業大學生收入情況得出該專業未來情況的分析。三是經濟來源通過三方面考慮。①獎學金和助學金：有國家獎學金、國家勵志獎學金、國家助學金、校級獎學金、班級獎學金，根據獎學金等級不同給予獲獎的同學信用評價。②生活費：根據實際大學生消費水平設定區間，對大學生每月得到的來自家庭的資金支持進行分析。③兼職工作：從兼職工作的收入來對兼職工作進行信用評價。四是誠信行為通過三方面考慮。①考試作弊行為：對存在考試作弊行為和不存在考試作弊行為的大學生做出較大區分的評分。②榮譽稱號：通過三好學生、優秀學生干部、先進班集體和精神文明先進個人等榮譽稱號的等級來對個人的品性加分。③芝麻信用評分：基于大學生群體對支付寶的廣泛使用，借助芝麻信用評分對大學生在網上消費信用進行評價。五是家庭背景通過三方面考慮。家庭中父母對子女的行為品格的影響較大，父母的工作穩定與否、安全性以及收入水平的高低對大學生現在和未來是否會進行信用消費有很大的影響。①父母職業：通過不同職業的具體特性（比如穩定性與否、安全性、工作性質、難度強度等）來獲得職業評分。分類可以有國家機關、黨群組織、企業、事業單位負責人;專業技術人員;辦事人員和有關人員;商業、服務業人員;農、林、牧、漁、水利業生產人員;生產、運輸設備操作人員及有關人員;軍人;不便分類的其他從業人員。②家庭收入：根據家庭收入水平設定區間，來對家庭收入給予評價。③父母征信記錄：對父母存在不誠信行為和不存在不良征信的大學生評分做出較大差距的評分。

3.模型建立及一致性檢驗。建立信用風險評價的數學模型，評價大學生信用風險，將可能對信用產生影響的因素按他們之間的相互關系進行分類，按照目標層、準則層和指標層排列，構成一個層次結構，對同一層次的諸多影響風險的因素采用兩兩比較的方法確定出相對于上一層次的權重，照此層層分析直至最后一層，給出所有因素相對于總目標而言的權重，最后得到了按重要性程度排序建立的指標體系。

步驟一：建立層次分析結構模型。將信用評價作為決策層A，影響信用的因素逐步深入分為準則層B和指標層C，層內各因素基本相互獨立，下層受上層影響。建立如下所示的評價指標體系（見表1）。

步驟二：構造成對比較矩陣。在每個水平之間得到各因素的權重，如果只是定性分析出的結果往往是不容易被其他人接受的，Santy等人于20世紀70年代給出了一種新定義，一致矩陣法不只是將變量聯合分析，而是根據相互比較和相對尺度的關系，盡可能地減少不同類型的變量之間的比較的難度。如對某一準則，對其下的各指標層方案進行兩兩對比，確定在該層中相對于準則層所占的比重，并按其重要性程度評定等級。Santy給出的9個重要性等級及其賦值。按兩兩比較結果構成的矩陣稱作判斷矩陣。

步驟三：層次單排序及一致性檢驗。層次單排序定義為最大特征根所對應的矩陣在經過正規化處理后，將向量的每一個元素相加得到的值為1，將該向量定義為W。該向量中的元素代表在同一水平的一個因素在層次結構中的相對重要性權重的排序。能識別出是不是層次單排序，需要通過一致性檢驗，即有一個控制線，在控制范圍內為不一致情況。一致性矩陣表示n階一致陣的唯一的非零特征根正好等于n階正互反矩陣A的最大特征根λ時的矩陣，否則n小于λ時不是一致矩陣。

由于λ具有連續性，它是依賴于a的大小，λ與n的差距越大，矩陣A越不一致。一致性指標用CI計算，CI越小，說明一致性越大。將下層因素對上層的因素影響程度的權向量用最大特征值對應的特征向量來反映，則引起的判斷誤差與不一致程度是正相關的。因而可以用λ-n數值的大小來衡量A的不一致程度。定義一致性指標為：CI=。CI=0的含義是說明具有完全一致性;CI近似于0的情況下表示滿意的一致性;CI距離0越遠，表明一致性是越差的。

為衡量CI的大小，借助于RI這個變量，它是一種檢驗隨機一致性的指標，其定義為：

其中，隨機的檢驗一致性的RI指標和判斷矩陣的階數有一定關系，一般情況下，矩陣階數越大，則出現一致性隨機偏離的可能性也越大，其對應關系見表4。

考慮到一致性檢驗不通過是因為隨機性，在驗證矩陣是否滿足一致性時，還需將CI與RI做除法，通過比值得到一個新的檢查系數CR，公式為：CR。一般，如果CR<0.1，則認為該判斷矩陣通過一致性檢驗，CR離0.1越遠則證明一致性越差，通不過檢驗。

對上一步驟得到的六個成對比較矩陣（B、C1、C2、C3、C4、C5）進行一致性檢驗，測試結果見表5。成對比較矩陣的一致性結果是可以實現的。層次單排序就是通過將判斷矩陣做出它的最大特征根λmax對應的特征向量，經過歸一化處理后得到同一水平的各個因素對于目標層的某個因素相對重要性的排序權值見表6。

B層五個因素B1、B2、B3、B4、B5對總目標的排序為：a1、a2、a3、a4、a5，C層的因素對于準則層Bi中因素的層次單排序Ci1，Ci2，Ci3（i=1，2，3，4，5）。

步驟四：計算各因素的權重及RI與CR值的Matlab編程。

clc

clear all

a=[1，1/2，1/7，1/4，1/2;2，1，1/5，1/3，1;7，5，1，2，5;4，3，1/2，1，3;2，1，1/5，1/3，1]; %成對比較矩陣

%一致性檢驗和權向量計算

[x，y]=eig（a）; %矩陣特征向量及特征值

eigenvalue=diag（y）;

big_eigenvalue=max（eigenvalue）; %最大特征根

[r，l]=find（y==max（max（y）））; %確定最大特征根所在位置

W=x（：，1）/sum（x（：，1））;%最大特征根對應的特征向量（權重）

RI=[0 0 0.58 0.90 1.12 1.24];

n=5;%矩陣的階數

CI=（big_eigenvalue-n）/（n-1）;

CR=CI/（RI（n））;

if CR<0.1

disp（`通過'）;

else

disp（`不通過'）;

end

Step5層次總排序及一致性檢驗

計算同一層次所有元素對最高層的相對重要性的排序權值，見表7。

層次總排序的一致性比率為：

CR=

代入數據可得CR=0.005632<0.1

模型通過一致性檢驗，模型是穩定的。

由表中數據結果可得指標層C的每一個因素中的權重，其中生活費、芝麻信用分和兼職工作占權重最大，性別占權重最小。根據數據和假設可得到各種準則的評分，由比分和權重的乘積可對應得出每個大學生個人的風險評價，將風險進行量化，對可能存在的風險進行度量，進而建立大學生信用風險評價體系。

4.指標分值的界定。采用德爾菲法，集中整理六名專家的意見，并根據全面科學、靈活可操作的原則，充分考慮大學生的特點，采用五分制對大學生個體的15項具體指標進行評價打分。具體如表8所示。通過信用風險模型構建，觀察C層變量對A層的影響權重，可以看出生活費仍然是大學生收入的主要來源，對大學生的信用風險評價也具有重要意義。同時，隨著支付寶用戶的增加，芝麻信用分越來越被廣泛承認、接受，不僅可以用作申請簽證中的信用依據，對大學生信用風險體系的構建也起到了積極作用。

本文通過AHP層次分析法和德爾菲法的綜合運用，構建了大學生信用風險評價體系，具有以下作用：不僅定性分析大學生信用風險評價指標，還可以定量研究大學生信用風險;有利于提高大學生金融素養、增強大學生信用意識，有助于防范大學生信用缺失、盲目貸款等亂象;完善大學生信用數據庫，有利于促進高校進行大學生信用教育;對銀行等金融機構衡量大學生信用風險具有參考價值，有利于其降低不良貸款率及違約風險。推動傳統金融機構與金融科技公司合作深化。雖然傳統金融不斷對新技術進行自主研發，但與金融科技公司的合作仍在不斷加深，服務內容開始拓展到個人征信、消費金融、供應鏈金融等領域。

三、結論及建議

本文針對大學生這一群體的具體特點，先定性分析影響大學生信用風險的因素，然后采用AHP層次分析法定量分析，選擇了對于大學生信用風險影響較大的因素設計出風險評價數學模型，將風險量化評估，運用Matlab編程計算各因素的權重，構建出一個較為合理的指標權重體系，再運用德爾菲法采用五分制對每一指標的評價分值進行分配，得出一個較為完整的的大學生信用風險評價指標體系。在該體系中，大學生生活費、芝麻信用分和兼職工作占大學生信用風險權重最大。就如何完善的信用風險防范，本文提出以下建議：

一是加強大學生信用意識。高校通過開設有關征信、理財、信貸等金融相關課程或講座，增強大學生信用意識，培養大學生金融素養，提高其管理生活費及其他收入的理財水平，合理規劃資金安排，并引導大學生從正規金融機構獲取金融服務，避免出現暴力催收等惡性事件。

二是建立信用風險評價機制。不斷完善信用風險評價數據，防范大學生信用風險。

三是建立信用獎懲機制，加強外部環境的引導。通過對信用風險評價體系中的高權重指標予以傾斜，更精準地反映大學生守信違約情況。嚴懲大學生不誠信行為，通過取消具有考試作弊等不誠信行為大學生的評優、評獎資格，發揮導向作用。

參考文獻

[1]王培，李亦凡，李夢凡，王藝娜.大學生信用評價指標體系的建立[J].現代商業，2016（08）：188-190。

[2]侯雨欣，王沖.基于德爾菲法與因子分析的大學生信用評價指標篩選研究[J].四川師范大學學報（社會科學版），2016，43（05）：

34-41。

[3]李小芳.大學生信用缺失與大學生信用評價指標體系建立[J].特區經濟，2014（06）：200-202。

[4]卿馨予.大學生信用管理體系及評價指標的構建[J].商場現代化，2009（30）：44-45。

[5]劉姿含. 基于結構方程模型的大學生信用評價研究[D].湖南大學，2014。

[6]蘭硯軍.基于AHP法高校學生信用指標權重的確定[J].電大理工，2012（04）：27-29。

[7]孫玉蛟.“十三五”科技創新能力統計監測指標體系研究——以天津市為例[J].天津科技，2018，45（11）：76-78+81。

[8]郭菲，張展新.農民工新政下的流動人口社會保險：來自中國四大城市的證據[J].人口研究，2013，37（03）：29-42。

Research on Evaluation Index System of University Students'

Credit Risk Based on Analytic Hierarchy Process

ZHAO Xiaohong ? WEN Ran

（Hebei University of Economics and Business，Hebei SHIjiazhuang ?050061）

Abstract：College students'financial market has a huge scale and broad prospects for development. In order to fully and dynamically reflect the possible financial risks， it is necessary to collect personal information of College students，and to reduce the risks by evaluating the credit risks of College students. This paper consults a large number of relevant literature， first qualitatively analyses many factors that may affect college students'credit，then uses the AHP to make a quantitative analysis， and chooses the factors that have a greater impact on the credit risk of College students， designs a risk assessment mathematical model， quantifies the risk assessment， calculates the weight of each factor by using MATLAB programming， and constructs a more reasonable index weight. In the system， Delphi method is used to distribute the evaluation scores of each index， and a relatively complete evaluation index system of College Students'credit risk is obtained.

Keywords： Credit risk;campus loan;credit rating;anylytical hierarchy process

責任編輯、校對：王兆華