基于決策樹(shù)模型的P2P信用風(fēng)險(xiǎn)評(píng)價(jià)

韓露露

【摘 要】 以p2p平臺(tái)的借款人信用風(fēng)險(xiǎn)為切入點(diǎn)對(duì)p2p全行業(yè)的信用風(fēng)險(xiǎn)進(jìn)行研究。在研究的過(guò)程，采用了決策樹(shù)模型法、定性與定量結(jié)合法對(duì)平臺(tái)的信用風(fēng)險(xiǎn)進(jìn)行分析?；跊Q策樹(shù)模型，以選定的借款人信息作為解釋變量，以是否逾期違約作為被解釋變量，利用spss Modeler軟件建立相應(yīng)模型，做出相應(yīng)解釋。

【關(guān)鍵詞】 p2p;信用風(fēng)險(xiǎn) 風(fēng)險(xiǎn)評(píng)價(jià) 決策樹(shù)模型

一、引言

“P2P”借貸平臺(tái) 即 peer-to-peer lending，是指幫助擁有資金并且有理財(cái)投資意愿的個(gè)人與有借款需求的人發(fā)生借貸關(guān)系的平臺(tái)。通過(guò)這個(gè)平臺(tái)，有閑置資金并且希望獲得增值的投資人成為放貸人，也稱投資人，有資金需求的一方成為借款人。P2P平臺(tái)在發(fā)展的過(guò)程中的確會(huì)蘊(yùn)藏很多的風(fēng)險(xiǎn)，例如信用風(fēng)險(xiǎn)、信用管理風(fēng)險(xiǎn)、資產(chǎn)管理風(fēng)險(xiǎn)，法律和政策風(fēng)險(xiǎn)，市場(chǎng)風(fēng)險(xiǎn)，風(fēng)控風(fēng)險(xiǎn)等。這些風(fēng)險(xiǎn)都會(huì)導(dǎo)致投資者被動(dòng)承擔(dān)巨額經(jīng)濟(jì)損失，制約平臺(tái)和行業(yè)的發(fā)展。其中信用風(fēng)險(xiǎn)是P2P最核心也最難控制的風(fēng)險(xiǎn)，而借款人的違約風(fēng)險(xiǎn)是 P2P 信貸最重要的風(fēng)險(xiǎn)之一，故本文就借款人的信用風(fēng)險(xiǎn)做重點(diǎn)研究。

二、文獻(xiàn)綜述

P2P 網(wǎng)貸模式源自2005 年英國(guó)，是一種借助互聯(lián)網(wǎng)信息平臺(tái)來(lái)實(shí)現(xiàn)借款人和投資人“點(diǎn)對(duì)點(diǎn)”的一種便捷的，去中介化的融資模式。Greiner（2009） ?立足于社會(huì)資本理論視角，強(qiáng)調(diào)了P2P 網(wǎng)貸交易中的信息不對(duì)稱問(wèn)題， P2P 貸款模式中借款人和投資人之間信息不對(duì)稱問(wèn)題更容易出現(xiàn)且程度更嚴(yán)重。Riza Emekter（2015）利用Fico評(píng)分系統(tǒng)對(duì) Lending Club 的信用數(shù)據(jù)評(píng)估其信用風(fēng)險(xiǎn)與還款表現(xiàn)，發(fā)現(xiàn)信用等級(jí)，收入負(fù)債比對(duì)貸款違約行為產(chǎn)生重要影響，低信用等級(jí)有著較高的道德風(fēng)險(xiǎn)。

國(guó)內(nèi)近年來(lái)對(duì)信用風(fēng)險(xiǎn)評(píng)估的研究受到了廣泛的關(guān)注，研究主要集中在對(duì)己有信用評(píng)估模型的應(yīng)用、模型效果比較以及模型的組合與優(yōu)化方面。王春峰，萬(wàn)海暉（1998）等是國(guó)內(nèi)最先將判別分析法應(yīng)用到商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中，并且通過(guò)實(shí)證證明了判別分析法的有效性。隨著人工智能方法的發(fā)展，國(guó)內(nèi)學(xué)者將其運(yùn)用到信用風(fēng)險(xiǎn)度量領(lǐng)域。李玉霜（2001）等將分類樹(shù)應(yīng)用于解決從業(yè)人員在進(jìn)行貸款分類過(guò)程中分析判斷能力欠缺的問(wèn)題中，實(shí)證分析表明決策樹(shù)方法比線性判別分析方法準(zhǔn)確率高。

三、數(shù)據(jù)來(lái)源與模型分析

由于P2P網(wǎng)絡(luò)借貸在我國(guó)起步晚，國(guó)家有關(guān)部門還沒(méi)有對(duì)平臺(tái)提出具體要求，平臺(tái)便沒(méi)有責(zé)任提供內(nèi)部數(shù)據(jù)，同時(shí)也沒(méi)有相關(guān)部門做出權(quán)威數(shù)據(jù)檢測(cè)和公布。所以本文采取從官網(wǎng)上一一獲取。從人人貸官網(wǎng)獲取的借款數(shù)據(jù)減去無(wú)效的流標(biāo)數(shù)據(jù)，對(duì)原始數(shù)據(jù)進(jìn)行分離后整理，并且賦值轉(zhuǎn)化。經(jīng)過(guò)一定的分析，本文選擇從用戶的性別、年齡、學(xué)歷、婚姻狀況、信用評(píng)級(jí)和收入狀況這六個(gè)方面選取出關(guān)于網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)影響因素的解釋變量，以項(xiàng)目情況即是否存在逾期作為衡量是否存在信用風(fēng)險(xiǎn)的被解釋變量。

借助決策樹(shù)模型，抽取的樣本中借款人履約的樣本為586份，占總樣本的50.3%，借款人違約的樣本為579份為，占總樣本的49.7%。六個(gè)解釋變量中，最為重要、關(guān)聯(lián)度最高、權(quán)重最大的解釋變量是借款人的信用等級(jí)，學(xué)歷和收入情況次之，年齡、婚姻狀況、性別所占權(quán)重過(guò)小，敏感度過(guò)低，不參與決策樹(shù)的建立。當(dāng)信用等級(jí)大于HR時(shí)（AA、A、B、C、D、E）無(wú)一違約樣本，履約率達(dá)到100%。當(dāng)信用等級(jí)為HR時(shí)，有95.4%的借款人履約，90.6%違約。90.6%違約的借款人中，學(xué)歷在高中及以下的借款人違約率高達(dá)95.399%，大專及以上學(xué)歷借款人違約率為85.623%。其中，收入情況為2000—5000元的借款人違約率達(dá)到93.299%，收入在5000元以上的違約率為73.544%。

四、結(jié)論與建議

本文的結(jié)論如下：第一，，借款人的信用等級(jí)所占權(quán)重最大，占到了0.72。所以各P2P借貸平臺(tái)的信用等級(jí)評(píng)判體系應(yīng)當(dāng)不斷完善，嚴(yán)肅謹(jǐn)慎的對(duì)待借款人的信用等級(jí)評(píng)價(jià)。對(duì)于信用等級(jí)低的借款人謹(jǐn)慎放貸。第二，收入情況和學(xué)歷高低也影響借款人的信用風(fēng)險(xiǎn)，兩者均與信用風(fēng)險(xiǎn)成反比，學(xué)歷較高、收入情況越好則借款人的信用風(fēng)險(xiǎn)相對(duì)較低。政府部門應(yīng)該設(shè)立專門的權(quán)威機(jī)構(gòu)將個(gè)人信息進(jìn)行專業(yè)采集收納入權(quán)威的征信系統(tǒng)，并適當(dāng)將信息開(kāi)放給各P2P平臺(tái)，加強(qiáng)信息共享，使整體行業(yè)信用風(fēng)險(xiǎn)降低，維持市場(chǎng)穩(wěn)定和秩序。各P2P平臺(tái)之間也可以加強(qiáng)信息共享，完善征信系統(tǒng)，根據(jù)歷史逾約的情況建立擬合的模型，更加精準(zhǔn)有效的設(shè)置信用等級(jí)的評(píng)價(jià)標(biāo)準(zhǔn)。

【參考文獻(xiàn)】

[1] Greiner; M.E，，& ?Wang， H. The role of social capital in ?people-to-people lending market places[C]. Proceedings of ICIS，2009.

[2] Fisher R. The Use of Multiple Measurements in Taxonomic Problems. Annals of Eugenics. Eugenics，1936，7（2）：179-188

[3] 王春峰，萬(wàn)海暉，張維.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究.管理科學(xué) 學(xué)報(bào)，1998，01：70-74

[4] 李玉霜，張維.分類樹(shù)應(yīng)用于商業(yè)銀行貸款5分類的探討[J].系統(tǒng)工程學(xué)報(bào)，2001，16（4）：282-288