P2P网贷平台借款人信用风险评估研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇P2P网贷平台借款人信用风险评估研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：借款人信用风险评估缺失是造成p2p网贷问题平台频出的重要原因之一。本文从分析网贷平台借款人的信用风险着手，筛选网贷平台借款人信用风险的影响因素，建立网贷平台借款人信用风险评估指标体系，并构建基于人工神经网络的信用风险评估模型，进而选取部分P2P网贷平台所披露的137组借款人信息进行实证测试，发现测试结果与实际情形基本一致，借款人信用风险评估指标和模型能满足网贷平台对借款人信用风险评估的需要。

关键词：信用风险评估；网络信贷；借款人信用；人工神经网络

中图分类号：F832.5 文献标识码：B 文章编号：1674-2265（2016）12-0043-05

一、引言

P2PW络信贷平台凭借方便快捷、低门槛的优势，自2006年在中国首次出现后，数量呈几何模式快速增长。然而由于风险管控能力不足，导致问题平台不断出现。《中国P2P网贷风险指数快报》显示，2016年3月末中国P2P网贷问题平台1824家，占全国P2P网贷平台5326家的34.25 %。究其原因，在于中国的网贷平台规模普遍较小、发展时间较短，并不具备完善的风险防范与管理能力。网贷平台所面临的最大风险是借款人的信用风险，然而国内众多平台为抢占市场、快速上市，并没有在风控方面做好充分准备。大多数网贷平台缺乏完善的借款人信用风险评估体系，无法对借款人信用等级做出有效评估，导致平台出现运营危机。2015年，中国政府开始对国内网络信贷行业进行整改，风险控制成为网贷平台整改的核心内容。如何准确评估借款人的信用风险，成为提升网贷平台风险管控能力亟须解决的问题。

P2P网贷平台信用风险问题引起了国内外学者的广泛关注。网贷平台信用风险揭示方面，封延会、贾晓燕（2012）认为P2P网贷是影子银行的一种形式，暴露了中国金融风险监管的不完备。马运全（2012）认为，将P2P网贷平台数据接入征信系统可以最大限度地减少借款人信用风险发生的可能性。Klafft（2008）分析美国网贷平台Prosper的数据，发现借款人信用评级越高越容易获得贷款，逾期还款率也越低。信用风险影响因素研究方面，Herzenstein等（2008）认为借款人的债务收入比是影响信用风险的重要因素。Iyer等（2010） 提出了评估借款人信用风险的数据包括标准的银行数据和性别、年龄等非标准数据。Barasinska（2009）认为借款人年龄、性别、种族也是影响信用风险的重要因素。Duarte等（2012）认为外貌特征都会影响借贷行为。王会娟等（2014）基于“人人贷”的数据发现，对借贷行为影响较大的是工作认证、收入认证、视频认证和车产、房产认证等认证指标。温小霓等（2014）以拍拍贷为例，发现借款人信用积分、性别、住宅情况也对借款结果有影响；信用风险评估方法研究方面，张墨（2015）总结了 P2P 网贷个人信用评价的方法――层次分析法、主成分分析法、因子分析法、神经网络模型法等。张巧良（2015）应用层次分析法对网贷平台风险进行了评价。王保乾和王婷（2016）运用基于层次分析的模糊综合评价分析了大数据对网贷信用评估的影响。于晓虹和楼文高（2016）认为层次分析法、主成分分析法、因子分析法等方法均不太适合于P2P网贷个人信用评价与预警建模研究。Angelini等人（2008）开发了两个神经网络系统来进行信用风险评估，通过对意大利某小型企业的实证研究，表明神经网络适用于评估借款人违约风险。朱毅峰（2008）认为神经网络方法的优势在于对样本数据的分布没有要求，并降低了对差企业的误判率。

综上所述，网络信贷的信用风险评估在国内外的研究均取得了一定的进展。但已有研究往往将关注的焦点放在对信贷平台的风险评估，对借款人信用风险的关注度不够，对P2P网贷平台借款人信用风险的分析也大多采用定性分析法、层次分析法等带有一定主观性的方法，难以客观、全面地反映借款人信用的真实情况。基于此，本文从P2P网贷平台借款人信用角度出发，分析网贷平台借款人信用同个人基本信息的关系，筛选影响借款人信用等级评估的指标因素，选择在信用风险评估中可以解决非线性、不确定性变量关系的人工神经网络模型，对网贷平台的借款人信用风险评估进行实证分析。

二、网贷平台借款人信用风险评估指标的选取

P2P网络信贷的特点之一是网贷平台要求借款人提供的个人信息较为简单，一般包括身份信息、基本资产状况、年龄、学历等个人基础情况。通过第三方认证平台对借款人提供的信息进行认证，根据认证后的信息对借款人的信用等级进行评定，并将信息及评级结果公布在网站上，供贷款人参考。

根据国内目前各大网贷平台对借款人的审核要求，一般需要借款人提供身份证、是否购车、基本资产情况、收入情况、婚姻状况、文化程度、住房条件等资料信息，国外一些平台对借款人审核的条件还包括种族、性别、外貌长相、体重等信息。借鉴国内外P2P网贷平台信用评价指标的选取情况，考虑P2P网贷平台借款人的特点及平台业务需求，本文选取借款人年龄、住房、购车、收入、婚姻、文化程度、历史信用记录、性别、上传照片（代替外貌特征）、居住区域等信息指标，作为网贷平台借款人信用风险评估指标。由于所选指标部分是非数值变量，为了能准确地分析这些变量对借款人信用风险的影响，将性别、住房、地区等设为虚拟变量，将部分指标进行虚拟量化，量化结果如表1所示。

（一）年龄

网络信贷借款人的年龄主要集中在20―60岁之间，年龄较小的借款人储蓄能力较低，缺少良好的消费习惯，其违约风险较高；年龄较大的借款人收入水平较低、突发消费较多，其违约风险也相对偏高。因此年龄在34―45岁之间、拥有稳定工作收入的借款人信用较好，违约风险低。

（二）性别

根据国外研究者的观点，性别成为影响网络信贷信用风险的因素之一。数据表明，女性平均违约金额高于男性，因此假设男性在网贷中的违约风险较低、信用风险小，女性则相对较大。