基于貝葉斯網分類器的互聯(lián)網借貸風險評估

黎 月

（南京郵電大學經濟學院，南京210023）

一、前言

“互聯(lián)網+”和大數據的時代背景下，信貸行業(yè)在數據挖掘和云計算的技術主題下呈現爆發(fā)式增長。它促進資金優(yōu)化配置，緩解市場信息不對稱等問題，滿足中小微企業(yè)對融資服務的需求。信貸領域的信用體系是互聯(lián)網金融發(fā)展的核心，也是亟待解決的重大問題。金融市場尤其是信貸業(yè)務中個人信用涉及的領域廣泛，主要集聚在信貸交易、信息消費和道德規(guī)范等方面。2014年6月，中國國務院發(fā)布的《社會信用體系建設規(guī)劃綱要（2014-2020）》中提出信用建設的目標，信用風險評估是借貸體系建設的關鍵環(huán)節(jié)，需要學術界和業(yè)界不斷地創(chuàng)新性研究。[1]金融體系面臨資本和技術脫媒的雙重難題，通過評估體系反映借款人的信用評分，利用龐大的借貸用戶行為數據建立信用體系及等級問題，具有重要的現實意義。

二、互聯(lián)網借貸風險評估的文獻綜述

經濟學界“理性人”假設，網絡信貸平臺認為借款人大部分時候是理性的。主要基于收入、信用、借款及個人狀況等因素來反映違約風險。Shen,Krumme&Lippman （2010） 及 Collier&Hampshire（2010）以P2P為例實證：借款人的信息、信用及利率影響違約風險的程度。李淵博等（2014）研究表明借款期限、借款等級和個人信息情況對毀譽風險因素影響顯著，而借款金額未通過顯著性檢驗。

從交易結果出發(fā)，借款人的人口特征和身份地位也會影響借貸風險。Pope&Sydnor（2008）、Iyeret al（2009）和Ravina,E.（2015）都指明信譽越高其借貸風險越低，種族、年齡和性別等人口特征通過利率影響借貸狀況。個人信息、信用水平和記錄、收入、就業(yè)、年齡和房屋所有權等會影響借貸成功率。吳小英等（2012）實證分析顯示學生群體的借款成功率比一般借款低3.4%。[2]朱浩（2014）以拍拍貸的研究發(fā)現結構型社會資本對利率的影響不顯著，也有學者（2016）認為顯著，關系型社會資本能夠降低借款利率。

三、貝葉斯網絡

（一）貝葉斯理論

在所有相關概率都已知的情形下，貝葉斯考慮的是基于這些概率和誤判損失來選擇最優(yōu)的類別標記。[3]對每個樣本x，選擇能使后驗概率P(c|x)最大的類別標記。[3]若使決策風險最小化，首先要獲得后驗概率 P(c|x)。其中，P(c)是類“先驗”概率，P(x|c)是相對于類標記c的類條件概率，而P(x)是用于歸一化的“證據”因子。[3]貝葉斯網絡考慮樸素貝葉斯分類器要求所有變量都是獨立的問題，[4]給定父節(jié)點集，令B=＜G，Θ＞，即假設屬性xi在G中的父節(jié)點集πi，則Θ包含了每個屬性的條件概率表θxi|πi=PB(xi|πi)。通過評分函數，衡量備選貝葉斯網和訓練數據的擬合優(yōu)度。

（二）基于登山算法的網絡尋找

因變量節(jié)點多，集合龐大等問題，登山算法從網絡結構出發(fā)，每增加或者減去一條連接邊，計算一次評分函數，直到不再減小為止。主要設定五個步驟：（1）選取一個網絡結構作為初始狀態(tài)N；（2）根據計分函數計算N的得分，賦值給score＜-score(N)；（3）改變N的結構(增減一條邊)得到更新狀態(tài)N’；（4）If score(N’)＞score(N)；Maxscore＜-score(N’)；（5）Return（Maxscore）；可以找到一個“最優(yōu)”（也可能是局部最優(yōu)）的貝葉斯網絡結構圖并且訓練出各節(jié)點處的條件概率參數。

四、基于貝葉斯分類器的互聯(lián)網借貸風險評估的實證分析

（一）研究方法和實驗脈絡的選擇

采用多維的隨機變量建立樸素貝葉斯模型，由假定參數的先驗分布來計算后驗分布。采用“半樸素貝葉斯分類器”放松變量間獨立性的要求，計算聯(lián)合概率構建網絡結構和多維屬性間節(jié)點關系，根據網絡關系圖來構建互聯(lián)網借貸信用評估模型并進行預測。

（二）基礎變量選取及處理

數據集中Pub-rec（毀譽記錄P）為被解釋變量，可取值為0，1，2，將0納入履約范圍，將≥1值視為違約。Term（借款期限H）、Loan-amount（借款金額A）、Annual-inc（年收入 C）、Dit（負債 /收入比率D）、Purpose（借款目的 N）、Application-type（申請類型 R）、Total-acc（信用賬戶總數 F）、Deling-2yrs（逾期次數O）和Open-acc（公開信用賬戶E）為第一組解 釋 變 量 ；Install ment（ 分 期 付 款 B）、Total-il-high-credit-limit（銀行信用卡總額限度G）、Charge off-within-12mths（12個月內銷賬的數量S）和Initial-list-status（清單初始狀態(tài)Q）為第二組解釋變量；Grade（借款等級 I）、Emp-length（工作年限J）、Home-owership （ 房 屋 所 有 權 K）、Verification-status（收入認證 L）、和 Loan-status（借款狀況M）為第三組解釋變量，因涉及變量較多，將變量名簡化為括號內A-S共19個大寫字母。

（三）數據選取及預處理

數據源于美國lending club公司官方網上數據庫的數據集。選取2017年第一季度共96700條借貸數據，履約人數為77674約占總體的80%，違約人數19105約占總體的20%。對9個連續(xù)變量通過信息熵離散化表明：借款金額、利率、分期付款、年收入、負債/收入比率、公開信用賬戶、信用賬戶總數和銀行信用卡總額限度的分割點為6750，0.11，317,92000,10,12,30和54000；將低于分割點的為1，高于分割點為2。通過10折交叉驗證來訓練模型，得到10個貝葉斯網絡，分別計算每個網絡模型的誤判率得到平均誤判率。

（四）網絡結構的確定及節(jié)點關系分析

采用AIC評分函數，利用R語言”bnlearn”軟件中的登山算法的”hc()”函數搜索得到最佳貝葉斯網絡結構圖。[4]響應變量P（是否毀約）節(jié)點落在網絡結構的末端，節(jié)點P存在三個父節(jié)點即I（指定借款等級）、O（逾期次數）、H(借款期限)直接影響響應變量，尤其是I（指定借款等級），該節(jié)點存在6個子節(jié)點，兩個父節(jié)點，處于整個網絡結構的核心位置，說明借款等級能夠在很大程度上說明用戶大部分信用特征。節(jié)點I（借款等級），在較長的借款周期內不能有效判斷違約可能性。樣本中存在屬性節(jié)點O（逾期次數），會提前給債權人警報信息，即使客戶之前的借款等級優(yōu)，債權人也會擔心客戶能否在到期日之前清款。

一般情況下，借款等級對違約概率的影響表明：貸款等級為G-A，對應的借款等級對違約概率的影響系數分別為：0.26153、0.25622、0.25841、0.22474、0.22718、0.24850、0.10629。貸款等級越高（從G-A越來越高）客戶違約的概率也會越小，同等條件下貸款分等級G的客戶要比A客戶的違約概率高出1.45倍。10折交叉驗證得到的貝葉斯網絡模型的預測結果，模型的履約預測準確率為0.92，違約的預測準確率為0.64，模型的綜合預測準確率為0.86，綜合誤判率為0.14。根據樣本計算的履約的先驗概率為0.82。說明貝葉斯網絡關系在先驗概率的基礎上提高了0.04的準確率。

五、結論與對策解析

基于實證結果，可以從資金的貸方立場提出幾點對策解析：第一，重點監(jiān)控核心指標，能夠更快更及時地給借方發(fā)出警報信息；第二，互聯(lián)網借貸為金融領域提高金融服務效率、降低交易成本、滿足多元化投融資需求、提升微型金融的能力，[6]發(fā)揮政府、借貸平臺和借款人的主體作用；第三，根據借款者情況全面的評估信用等級，綜合借款期限、分期付款和借款等級考慮；第四，實現個體之間的信息溝通、資源共享、資金流動，為部分融資者提供了一條新的融資渠道。作為網絡金融創(chuàng)新模式，P2P網絡信貸是完善金融體系、填補信貸空缺、彌補中小企融資缺口、緩解民間投資需求的重要工具，它帶來的長尾效應引起了世界范圍內的高度關注。[6]

[1]黃國平，等.P2P網貸平臺風險評級與分析[M].北京：中國社會科學出版社，2015.

[2]周志華.機器學習[M].北京：清華大學出版社，2016.

[3]吳喜之.復雜數據統(tǒng)計方法-基于R的應用[M].北京：中國人民大學出版社，2015.

[4]張 超.公司違約概率模型及其在商業(yè)銀行中的應用[J].華北金融，2010(4).

[5]ScottA.Zonneveldt,KevinB.KorbandAnnE.Nicholson.Bayesiannetworkclassifiers forthe German credit data[D].Monash University(Australia)，2010(1).

[6]伍旭川.互聯(lián)網借貸：風險與監(jiān)管[J].金融市場研究，2014(2).