互聯(lián)網(wǎng)金融個(gè)人信用風(fēng)險(xiǎn)評估的指標(biāo)選擇方法

曾鳴 謝佳

摘要：完善的個(gè)人信用風(fēng)險(xiǎn)評估體系是降低信用風(fēng)險(xiǎn)的決定性因素，而風(fēng)險(xiǎn)評價(jià)指標(biāo)的構(gòu)建是信用評估的基礎(chǔ)。本文選取Prosper.com網(wǎng)貸平臺2005年至2014年間部分信貸數(shù)據(jù)進(jìn)行實(shí)證，研究了主成分分析法（PCA）在篩選信用評估指標(biāo)上的應(yīng)用，在此基礎(chǔ)上結(jié)合支持向量機(jī)（SUM）技術(shù)，建立評估模型進(jìn)行驗(yàn)證。結(jié)果表明，采用主成分分析法可以有效地剔除無關(guān)變量和冗余變量，提高互聯(lián)網(wǎng)金融個(gè)人信用評估的預(yù)測精度。

關(guān)鍵詞：互聯(lián)網(wǎng)金融? 信用風(fēng)險(xiǎn)? 個(gè)人信用評估? 主成分分析法

一、引言

隨著國民信用消費(fèi)需求的不斷上升，互聯(lián)網(wǎng)技術(shù)的不斷更新，互聯(lián)網(wǎng)金融行業(yè)得到了飛速的發(fā)展?；ヂ?lián)網(wǎng)金融行業(yè)在模式不斷豐富、規(guī)模不斷擴(kuò)大的同時(shí)，也面臨著諸多亟待解決的問題。由于在客戶群體的選擇和產(chǎn)品類型的定位上與傳統(tǒng)商業(yè)銀行存在巨大差異，同時(shí)缺乏有效的客戶信用評估體系，互聯(lián)網(wǎng)金融平臺面臨比傳統(tǒng)銀行更高的交易對手違約風(fēng)險(xiǎn)，這一現(xiàn)象嚴(yán)重阻礙了互聯(lián)網(wǎng)金融個(gè)人信貸業(yè)務(wù)的發(fā)展。

如今產(chǎn)生個(gè)人信用數(shù)據(jù)的各類電商平臺、社交平臺的數(shù)量不斷增加，信用數(shù)據(jù)的規(guī)模呈現(xiàn)爆炸式增長，不同于標(biāo)準(zhǔn)的經(jīng)過財(cái)務(wù)核實(shí)的銀行數(shù)據(jù)，互聯(lián)網(wǎng)的信用數(shù)據(jù)是非標(biāo)準(zhǔn)化的，個(gè)人信用風(fēng)險(xiǎn)也呈現(xiàn)出不同的特點(diǎn)，信息不對稱現(xiàn)象更加明顯。個(gè)人信用風(fēng)險(xiǎn)的評估大致經(jīng)過數(shù)據(jù)清洗、輸入變量的生成和建模進(jìn)行風(fēng)險(xiǎn)評估這樣幾個(gè)階段，無論是傳統(tǒng)的信用風(fēng)險(xiǎn)評估還是基于互聯(lián)網(wǎng)大數(shù)據(jù)的信用風(fēng)險(xiǎn)評估，輸入變量的質(zhì)量都會(huì)直接影響風(fēng)險(xiǎn)評估模型的預(yù)測效果。由于傳統(tǒng)信貸和互聯(lián)網(wǎng)金融的數(shù)據(jù)特征不同，互聯(lián)網(wǎng)金融的數(shù)據(jù)覆蓋維度廣且數(shù)據(jù)較為稀疏，單項(xiàng)數(shù)據(jù)的信用評估價(jià)值密度較低，單變量的風(fēng)險(xiǎn)區(qū)分能力較弱[1]，因而基于大數(shù)據(jù)的信用評估指標(biāo)也會(huì)有所不同。對輸入的評估指標(biāo)進(jìn)行有效篩選，可以減少模型訓(xùn)練時(shí)間和數(shù)據(jù)搜集成本，提高模型預(yù)測精度，構(gòu)建有效的互聯(lián)網(wǎng)金融信用風(fēng)險(xiǎn)評估體系。

二、互聯(lián)網(wǎng)金融平臺信用風(fēng)險(xiǎn)評估指標(biāo)體系的現(xiàn)狀

大部分互聯(lián)網(wǎng)金融平臺的大數(shù)據(jù)應(yīng)用得并不成熟，借款人的電商購買記錄，社交網(wǎng)絡(luò)信息等數(shù)據(jù)來源的匱乏，會(huì)給互聯(lián)網(wǎng)金融平臺的信用評價(jià)帶來嚴(yán)重的滯后和誤判。很少有平臺在信用風(fēng)險(xiǎn)評價(jià)指標(biāo)中完全涵蓋了借款人的職業(yè)信息、電商數(shù)據(jù)、線下行為數(shù)據(jù)、征信數(shù)據(jù)等指標(biāo)。

國內(nèi)的互聯(lián)網(wǎng)金融平臺指標(biāo)體系的設(shè)計(jì)主要參考了國外平臺的信用評估指標(biāo)體系，如FICO評分模型和Prosper指標(biāo)體系，評估大類基本一致，主要分為用戶的基本信息、工作信息、歷史交易信息、償還貸款能力信息、借款信息等。在一級指標(biāo)上主要繼承傳統(tǒng)商業(yè)銀行和國外網(wǎng)貸平臺的指標(biāo)體系，但在二級指標(biāo)如所在城市類型、工作年限、房產(chǎn)情況、社交媒體活躍度、社交關(guān)系密度等方面，側(cè)重點(diǎn)各不相同。

國外互聯(lián)網(wǎng)金融平臺的信用評估指標(biāo)體系則不局限于借款人的基本信息和歷史借貸信息，普遍比國內(nèi)研究者更關(guān)注借款人與借貸平臺直接相關(guān)的借款信息：如在該借貸平臺的貸款金額、所獲貸款年利率、還款期限以及逾期金額等指標(biāo)。在個(gè)人基本信息方面，對性別、婚姻狀況、學(xué)歷和工作行業(yè)的關(guān)注不高，相對更關(guān)注工資范圍、是否有房、居住地、年齡、職業(yè)、照片等。對項(xiàng)目投資人數(shù)、社交媒體文本描述狀況、平臺注冊時(shí)長等關(guān)注度較低。

三、個(gè)人信用風(fēng)險(xiǎn)評估指標(biāo)的PCA篩選方法

由于互聯(lián)網(wǎng)金融信用風(fēng)險(xiǎn)涉及的指標(biāo)眾多，部分指標(biāo)之間呈現(xiàn)出較高的關(guān)聯(lián)性，容易引起數(shù)據(jù)冗余問題，影響評估效果，因此需要對評估指標(biāo)進(jìn)行降維處理。本文采用主成分分析法對評估模型的指標(biāo)進(jìn)行降維篩選。

主成分分析法通過觀察原指標(biāo)集合之間的內(nèi)容結(jié)構(gòu)關(guān)系，將原本相互之間具有一定相關(guān)性的眾多指標(biāo)重新組合成一個(gè)新的、互不相關(guān)的指標(biāo)集合。對于一個(gè)特征矩陣來說，通過將其對角化產(chǎn)生特征根及特征向量，將其在標(biāo)準(zhǔn)正交基上投影，該特征向量方向上的投影長度就對應(yīng)到其特征值，特征數(shù)值越大說明對應(yīng)的特征向量所攜帶原有數(shù)據(jù)的信息越多，通常在特征篩選過程中，選擇特征值累計(jì)貢獻(xiàn)率85%的指標(biāo)就能滿足大多數(shù)研究的需求。主成分分析法的優(yōu)點(diǎn)在于得到的新的綜合指標(biāo)之間相互獨(dú)立，減少數(shù)據(jù)冗余，且權(quán)數(shù)的計(jì)算基于數(shù)據(jù)分析得到的指標(biāo)內(nèi)部結(jié)構(gòu)關(guān)系，不受主觀因素干擾。

四、數(shù)據(jù)選取及實(shí)證分析

文中數(shù)據(jù)來自Prosper Loan Data數(shù)據(jù)集，使用MARLAB軟件進(jìn)行實(shí)驗(yàn)，首先對所獲得數(shù)據(jù)進(jìn)行預(yù)處理，然后利用主成分分析方法篩選數(shù)據(jù)指標(biāo)，確定最終輸入模型的變量，最后采用粒子群算法優(yōu)化的支持向量機(jī)模型（PSO-SVM）進(jìn)行驗(yàn)證。

（一）數(shù)據(jù)預(yù)處理

1.數(shù)據(jù)清洗。本文采集美國Prosper.com平臺2005年至2014年間部分信貸數(shù)據(jù)，數(shù)據(jù)集包含11萬余條原始記錄，首先對數(shù)據(jù)進(jìn)行清洗，一是無意義字段的舍棄，如原始數(shù)據(jù)中部分管理識別符號的變量，以及關(guān)于貸款申請、批準(zhǔn)日期、規(guī)定的還款日期等對于本次研究沒有任何意義的字段。二是缺失數(shù)據(jù)的處理，對缺失值達(dá)到一半以上、嚴(yán)重影響了數(shù)據(jù)真實(shí)性的字段進(jìn)行了直接剔除。對于缺失率較小的數(shù)據(jù)進(jìn)行補(bǔ)齊，連續(xù)型數(shù)據(jù)用中位數(shù)補(bǔ)齊，對離散型數(shù)值變量使用眾數(shù)補(bǔ)齊。三是噪聲數(shù)據(jù)的處理，為對整個(gè)數(shù)據(jù)表進(jìn)行了遍歷，通過將數(shù)據(jù)值與標(biāo)準(zhǔn)數(shù)據(jù)的對比，找出噪聲數(shù)據(jù)，并用眾數(shù)對其進(jìn)行替換。

在對原始數(shù)據(jù)集進(jìn)行以上一系列操作后，數(shù)據(jù)集剩余指標(biāo)51個(gè)，其中輸入變量指標(biāo)50個(gè)，輸出變量指標(biāo)1個(gè)。如表1所示：

2.數(shù)據(jù)賦值。一是對輸入變量的賦值：

借款人信息特征中包含定量信息和定性信息，對定性信息需要在數(shù)據(jù)準(zhǔn)備過程中做離散化處理。對定性數(shù)據(jù)分別取0和1。

二是對輸出變量的賦值：

在Prosper數(shù)據(jù)集中，借款人的借款狀態(tài)共有12種，為實(shí)現(xiàn)SVM二分類效果，實(shí)驗(yàn)前需要將輸出變量轉(zhuǎn)化為1或-1的狀態(tài)。由于無法判斷處于“Current（正常還款中）”狀態(tài)的貸款最終會(huì)不會(huì)違約，所以在研究時(shí)，將狀態(tài)為Current的樣本進(jìn)行了刪除;同理，“Cancelled（交易取消）” 的數(shù)據(jù)也進(jìn)行刪除。

從風(fēng)險(xiǎn)發(fā)生的可能性出發(fā)，筆者把剩余10類數(shù)據(jù)歸為兩個(gè)大類：第一大類“good”（只包含Completed、Final_Payment_In_Progress兩種數(shù)據(jù)）;第二大類“bad”（包含Defaulted、Chargedoff和所有的Past Due，共8種數(shù)據(jù)）。將“good”和“bad”兩個(gè)類的數(shù)據(jù)分別編碼為1和-1。

3.數(shù)據(jù)標(biāo)準(zhǔn)化。由于數(shù)據(jù)集各個(gè)特征值的區(qū)間范圍和數(shù)據(jù)綱量不同，為了避免因數(shù)據(jù)差異過大對預(yù)測結(jié)果產(chǎn)生干擾，影響模型性能，本文選擇將數(shù)據(jù)歸一到[0，1]，采用的歸一化公式如下式：

（1）

其中，X'∈[0，1]表示數(shù)據(jù)歸一化后的結(jié)果，X表示數(shù)據(jù)原始值，和分別表示X所在數(shù)據(jù)列中的最小值和最大值。

4.數(shù)據(jù)縮減。經(jīng)過上述一系列處理后，原數(shù)據(jù)集還剩下共43878條數(shù)據(jù)，其中守約樣本39730條，違約樣本4148條，守約樣本與違約樣本比例為9.58 ：1。本文按照與原始數(shù)據(jù)結(jié)構(gòu)分布接近的9：1選取比例進(jìn)行分層隨機(jī)抽樣，得到包含5000條樣本的實(shí)證數(shù)據(jù)集，其中包括4500條守約樣本和500條違約樣本。

（二） 基于主成分分析的指標(biāo)篩選

在經(jīng)過清洗后個(gè)人信用指標(biāo)仍然還有50個(gè)，較多的特征數(shù)雖然注重了指標(biāo)的多樣化，但冗余指標(biāo)會(huì)直接影響模型的評估效率和分類效果。因此使用主成分分析（Principal Component Analysis，PCA）方法進(jìn)行指標(biāo)篩選，一般情況下，在選擇主成分時(shí)只需要所選擇的主成分滿足累加方差貢獻(xiàn)值達(dá)到85%即可。

首先，將獲得的新數(shù)據(jù)集中的所有數(shù)據(jù)特征匯總到一個(gè)1000*50維的特征矩陣?yán)?，并通過對這個(gè)特征矩陣進(jìn)行計(jì)算得到一個(gè)50*50的特征相關(guān)矩陣：

R=? ?（2）

其中rij代表各個(gè)特征之間的相關(guān)系數(shù)，計(jì)算公式如下式：

（3）

在得到相關(guān)系數(shù)矩陣后，在MATLAB中調(diào)用pcacov函數(shù)根據(jù)相關(guān)系數(shù)做主成分分析矩陣，計(jì)算出相關(guān)系數(shù)矩陣的特征值向量和主成分貢獻(xiàn)率，最后將這些特征值向量和主成分貢獻(xiàn)值降序排列，計(jì)算得到主成分的累計(jì)貢獻(xiàn)值，得到的主成分提取結(jié)果如表2所示。

經(jīng)過篩選，前21個(gè)變量累計(jì)方差貢獻(xiàn)率已經(jīng)超過了85%，對已得到的主成分列表進(jìn)行反歸一，由此得到經(jīng)過主成分分析后被提取出的輸入變量特征，最終確定的21個(gè)變量如表3：

（三）PSO-SVM建模分析

為了驗(yàn)證本文提出的篩選方法的有效性，采用PSO算法對SVM進(jìn)行優(yōu)化，建立PSO-SVM模型進(jìn)行驗(yàn)證。PSO-SVM模型選擇已被證明具有較強(qiáng)的非線性映射能力的RBF核函數(shù)，在參數(shù)的優(yōu)化上，利用PSO對全局和個(gè)體的搜索能力來尋找最優(yōu)的C和σ。本文選用模型的整體分類精度以及第一類誤判率、第二類誤判率來對模型的分類效果進(jìn)行評價(jià)。

（四）實(shí)證結(jié)果

將處理后的Prosper數(shù)據(jù)按照7：3的比例劃分為包含3500樣本的訓(xùn)練數(shù)據(jù)和包含1500樣本的測試數(shù)據(jù)。其中，訓(xùn)練樣本中，守約客戶（類別標(biāo)簽為“1”）樣本3150條，違約客戶（類別標(biāo)簽為“-1”）樣本350條;測試樣本中，守約客戶樣本1350條，違約客戶樣本150條。

PSO-SVM模型對測試樣本分類結(jié)果如表5所示，測試樣本數(shù)據(jù)量為1500，預(yù)測正確的樣本有1394個(gè)，將守約客戶判斷正確的準(zhǔn)確率為93.111%，將違約客戶判斷正確的準(zhǔn)確率為91.333%。模型分類準(zhǔn)確率結(jié)果匯總至表4。

評價(jià)指標(biāo) PSO-SVM

第一類誤判率 93/1350 （6.889%）

第二類誤判率 13/150 （8.667%）

總體分類精度 1394/1500 （92.933%）

從表4結(jié)果可見，采用主成分分析法篩選變量進(jìn)行模型測試，第一類誤判率6.889%;第二類誤判率8.667%;模型整體分類準(zhǔn)確率為92.933% （1394/1500） 。實(shí)驗(yàn)結(jié)果表明PCA能夠提高SVM模型的整體預(yù)測精度，對降低模型的第一類誤判率和第二類誤判率都具有較明顯的效果。

五、結(jié)論

在評估互聯(lián)網(wǎng)金融個(gè)人信用風(fēng)險(xiǎn)時(shí)，評估指標(biāo)的選取和模型構(gòu)建應(yīng)當(dāng)考慮互聯(lián)網(wǎng)金融的數(shù)據(jù)來源和數(shù)據(jù)特征。主成分分析法對于減少數(shù)據(jù)冗余，降低數(shù)據(jù)維度，保留原有指標(biāo)內(nèi)部結(jié)構(gòu)關(guān)系方面具有明顯的優(yōu)點(diǎn)，在互聯(lián)網(wǎng)金融信用風(fēng)險(xiǎn)評估的指標(biāo)選擇上具有較好的適用性。如果能有效地運(yùn)用定量的科學(xué)的方法從數(shù)據(jù)中選擇判別性好、冗余低的特征集，將為構(gòu)建合理有效的信用風(fēng)險(xiǎn)評估體系提供重要的依據(jù)。這也將是今后學(xué)者們不斷探索和深入研究的課題。

在前文的個(gè)人信用評估指標(biāo)變量的PCA提取結(jié)果中可以看到，Porsper的評價(jià)指標(biāo)中并沒有國內(nèi)金融機(jī)構(gòu)在進(jìn)行信用評估時(shí)普遍關(guān)注的一些指標(biāo)，如性別、年齡、婚姻狀況、教育背景等人口描述性特征。比起個(gè)人基本情況，Porsper平臺更關(guān)注借款人的信用數(shù)據(jù)，以及與平臺產(chǎn)品相關(guān)的信息包括產(chǎn)品類型、貸款利率、還款期限等。方差貢獻(xiàn)率排在前幾位的特征值是借款人在Prosper平臺的信用評分、過去7年的違約次數(shù)、信用等級、信用卡信用總額以及每月貸款支付等。而國內(nèi)金融機(jī)構(gòu)普遍較為關(guān)注上述人口描述性特征，特別是對借款人履約能力有較大關(guān)聯(lián)的家庭穩(wěn)定情況和工作具體情況。由此可見國內(nèi)外金融機(jī)構(gòu)在指標(biāo)選取時(shí)側(cè)重點(diǎn)有較大差異，有研究者認(rèn)為這種差異的產(chǎn)生主要是受到各國人文歷史和傳統(tǒng)文化的影響。這些人口描述性特征的判別性如何需要進(jìn)一步的實(shí)證檢驗(yàn)。

參考文獻(xiàn)：

[1]朱良平.基于大數(shù)據(jù)的信用風(fēng)險(xiǎn)評分模型辨析[J].中國金融電腦，2016（3）.

[2]Fritz S and Hosemann D.Restructuring the Credit Process：Behavior Scoring for Deutsche Bank' s German.Corporates [J].International Journal of Intelligent Systems in Accounting ，F(xiàn)inance &management ，2000.9 ：9 -21 .

[3]Joos P ，Banhoof L，Ooghe H ，and Sierens N .Credit classification：A comparison of logit models and decision trees[ A].10th European Conference on Machine Learning ，Workshop notes：Application of machine learning and data mining in finance[ C].TU Chemnitz，Germany ：1998 ：59-70.54-56.

[4]Hand DJ and henley WE.Statistical Classification Methods in Consumer Credit Scoring ：A Review[ J].Journal of the Royal Statistical Society ，1997，Series A 160（3）：523-541 .

[5]肖曼君，歐緣媛，李穎.我國P2P 網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)影響因素研究——基于排序選擇模型的實(shí)證分析[J].財(cái)經(jīng)理論與實(shí)踐（雙月刊），2015，36（1）：2-7.

基金項(xiàng)目：本文受到成都理工大學(xué)哲學(xué)社科基金項(xiàng)目“基于金融科技創(chuàng)新的金融風(fēng)控模型的應(yīng)用研究”（項(xiàng)目編號YJ2017-JX005）的資助。

（謝佳為成都理工大學(xué)管理科學(xué)學(xué)院碩士研究生;曾鳴為成都理工大學(xué)管理科學(xué)學(xué)院副教授）