誰是失信人：大數(shù)據(jù)識別潛在對象

沈曉彤

摘要：P2P網(wǎng)絡(luò)借貸的模式進入我國后，經(jīng)歷了野蠻生長期，平臺暴雷期和逐步成熟期，2016年隨著國家相關(guān)政策的出臺，P2P平臺走向了規(guī)范化、可控化，然而道阻且長，P2P平臺的管理不僅要靠國家的法律監(jiān)管，平臺和投資者更要提高風(fēng)險識別能力。本文利用某借貸平臺的借貸數(shù)據(jù)信息對P2P平臺黑名單進行了大數(shù)據(jù)分析，將總體誤判率降低至2.89%，為失信人的初步識別提供了有效方法。

關(guān)鍵詞：P2P;大數(shù)據(jù);隨機森林;因子分析

一、引言

近年來，互聯(lián)網(wǎng)技術(shù)在全球范圍內(nèi)蓬勃發(fā)展，互聯(lián)網(wǎng)金融也隨之逐漸強大。在此背景之下，一種全新的民間借貸方式——P2P網(wǎng)絡(luò)借貸應(yīng)運而生。P2P（Peer to Peer）網(wǎng)絡(luò)借貸是指借貸者和投資者通過互聯(lián)網(wǎng)平臺在線上完成的小額借貸模式，不需要傳統(tǒng)金融機構(gòu)作為中介參與進來。P2P網(wǎng)絡(luò)借貸自2007年進入我國，發(fā)展至今已經(jīng)有13年，給投資者和借貸者帶來極大助力的同時，也帶來了極大的風(fēng)險。由于P2P網(wǎng)絡(luò)借貸平臺擁有大量借貸者身份信息，如何在當(dāng)前的大數(shù)據(jù)的背景下，挖掘失信人群的行為特征，刻畫黑名單用戶的畫像，使得P2P網(wǎng)絡(luò)借貸平臺更全面地了解其客戶的信用情況，這對提高P2P網(wǎng)貸行業(yè)的良性發(fā)展的能力、促進我國征信體系的健康發(fā)展和提高企業(yè)抗風(fēng)險能力有積極的意義。

二、實證分析過程與結(jié)果

（一）描述性分析

本文數(shù)據(jù)來源于某借貸平臺的歷史借貸信息，包括607條黑名單數(shù)據(jù)，9393條一般數(shù)據(jù)，共計10000條完整數(shù)據(jù)。主要包括借貸人個人信息、借貸詳細信息、是否列入黑名單等共計41項條目。

描述性統(tǒng)計分析可知：（1） 借款數(shù)額集中在5萬元附近，個案間借款金額差異較大;（2） 借款人年齡多集中在35歲左右，大多是中年人群，已婚人群比例大;（3） 借款人以男性居多，占比74%;（4） 借款人收入集中在5000-10000元間;（5） 擁有不動產(chǎn)的借款人接近57%有房貸，而擁有汽車的借款人，約有31%的人有車貸;（6）借款人的學(xué)歷主要集中在大專及以下，工作行業(yè)主要為零售業(yè)和制造業(yè)。

（二）因子分析

本文選取表1中的變量進行因子分析。球形檢驗結(jié)果P<0.000，KMO檢驗結(jié)果為0.84>0.8。探索性因子分析結(jié)果表明適合的因子個數(shù)為5個。

借貸金額、第一天的借貸金額、第一小時的借貸金額、最后一小時的借貸金額、最大的借貸金額和從經(jīng)常借貸人處借貸金額對因子PA1的影響較大，因此將因子PA1稱為借款金額因子;借款利率、借款期限和工資對因子PA2的影響較大，因此將因子PA2稱為借款要求因子;有無個人不動產(chǎn)及是否有房貸對因子PA4影響較大，因此將因子PA4稱為個人不動產(chǎn)因子;有無汽車及是否有車貸對因子PA3影響較大，因此將因子PA3稱為個人動產(chǎn)因子;年齡、婚姻狀況對因子PA5影響較大，因此將因子PA5稱為個人狀況因子。這五個因子共同構(gòu)成了對借貸人的評價體系。

（三）隨機森林回歸

1. 選擇合適參數(shù)

剔除行業(yè)和所處企業(yè)規(guī)模兩個有缺失值的變量后，最終共有38個自變量用于建模。本文通過遍歷設(shè)定參數(shù)為1至38進行38次建模，并打印每次建模的錯誤率，選擇錯誤率最低為0.127751的mtry取值36。而當(dāng)決策樹取值超過400后，整體錯誤率趨于穩(wěn)定，因此本文將ntree參數(shù)設(shè)定為500。

2. 最終模型結(jié)果

建立隨機森林模型結(jié)果顯示，基于OOB數(shù)據(jù)的總體誤判率為2.89%。其中，實際沒有違約的用戶模型判斷正確率為99.06%，實際違約的用戶模型判斷正確率為66%。采用測試數(shù)據(jù)集對模型進行檢驗，發(fā)現(xiàn)模型對于實際沒有違約用戶的判斷正確率非常高，但對于實際違約用戶的判斷正確率僅有57%。因此如果模型根據(jù)用戶的相關(guān)借貸信息判斷該用戶有違約可能，則大概率該用戶會違約。ROC曲線中的線下面積AUC為0.781，表明本文的模型具有一定的識別和判斷價值。

三、結(jié)論與建議

本文利用某借貸平臺提供的10000條借貸數(shù)據(jù)信息對P2P平臺黑名單進行了大數(shù)據(jù)分析。因子分析結(jié)果表明，借款人評估應(yīng)該從借款金額因子、借款要求因子、個人不動產(chǎn)因子、個人動產(chǎn)因子、個人狀況因子五個維度收集借款人信息。本文還嘗試使用隨機森林進行建模，以期能夠通過模型幫助對借款人進行分析。通過遍歷方法本文確定錯誤率最低的參數(shù)為mtry=36，ntree=500，最終建立的模型OOB數(shù)據(jù)的總體誤判率為2.89%，其中將實際未違約人判定為違約人的概率為低于1%，但將實際違約人判定為未違約人的概率約為40%，因此該模型適用于對借貸人進行初步評估，篩選出極有可能不能按時還款的借款人。若在預(yù)測中認(rèn)為該借款人有較大概率拖欠借款，即可采取一定的跟進或制裁方式來保證借款的回收，例如調(diào)整利息率、縮短還款期、降低信用評級水平等，以有效降低借貸平臺的逾期率和壞賬率，進而保證平臺的健康發(fā)展。