陳鹿婧 楊青驥 孫超凡 汪小燕

摘 要：以違約的概率作為信用評估風險衡量標準，構(gòu)建P2P機構(gòu)的借款人信貸風險的logit模型，并對模型進行實證分析。結(jié)果表明，貸款金額，貸款期限，已還金額比，近期還款額這四個指標對借款人信貸違約風險的影響最為明顯。通過進一步驗證，證明借款人信貸風險的logit模型在對P2P機構(gòu)的借款者信貸評估上具有較高的準確性，可以作為P2P企業(yè)內(nèi)部風險控制的根據(jù)。

關(guān)鍵詞：P2P公司 信用評估 風險控制 logit模型

創(chuàng)新項目：上海金融學院推薦2015度年上海市大學生創(chuàng)新活動計劃。

一、引言

“P2P”是英文peer to peer的簡寫形式。P2P的基本定義是一種依附于互聯(lián)網(wǎng)信息平臺和個體電子設備的新型金融中介服務模式。這種借貸模式起源于英國，2005年之后迅速在全世界范圍內(nèi)推廣.

在中國，從2007年首家P2P公司拍拍貸成立，到2010年全國僅10家，再到現(xiàn)在全中國共有2595家P2P網(wǎng)絡貸款公司。隨著我國P2P市場的不斷壯大，問題平臺的比重也隨之逐步上升。根據(jù)2015年的數(shù)據(jù)顯示，全國的2595家網(wǎng)貸公司中有896家屬于問題平臺，占總數(shù)的34.5%，較2014年翻了一倍。金融秩序也由此受到的不同程度上負面的影響，所以P2P公司內(nèi)部的風險控制顯得至關(guān)重要。我國P2P公司的內(nèi)部風險主要分為以下三種：由于借款者道德缺失而引發(fā)的信用風險、由于網(wǎng)絡技術(shù)失控引發(fā)的操作風險、由于交易的局限性而導致的流動性風險。而對內(nèi)部風險影響最大的當屬信用風險，信用危機的爆發(fā)與否將直接影響到P2P公司能否正常運作。

在識別和防治信用風險的過程當中，P2P企業(yè)如何對借款人進行篩選成為了重要的控制節(jié)點。當前的P2P企業(yè)使用的借款人評估系統(tǒng)還很大程度上借鑒傳統(tǒng)金融機構(gòu)如銀行的評估方法。這就導致了對風險的誤判，因為兩者的目標客戶群的信用特征存在較大差異。比如銀行的借款人普遍貸款金額大，信用數(shù)據(jù)充分，且對銀行有抵押物。而P2P公司的借款金額小而分散，信用信息不全面等。所以，僅照搬銀行等大型金融機構(gòu)的信用評估體系是無法有效控制P2P公司此類風險。那么利用借款人提供的信息，構(gòu)建風險評估模型，準確地預測借款人的還款能力，對控制和化解P2P企業(yè)的風險，提高P2P企業(yè)風險管理水平具有重要的現(xiàn)實意義。

目前風險評估模型主要有線性概率模型、多元判斷分析模型和logit模型。本文以違約的概率作為信用評估風險的衡量標準，構(gòu)建信用評估的logit模型，以美國著名P2P公司Lending Club的客戶借款信息為樣本進行實證分析，結(jié)果表明Logit模型具有非?？尚诺淖R別、預測和推廣性，是P2P公司個人信貸風險評估的有效工具。

二、模型建立

1.數(shù)據(jù)來源

本文通過對Lending Club 公開在網(wǎng)上的客戶借款相關(guān)個人信息數(shù)據(jù)以及還款與否的最終結(jié)果進行調(diào)研，掌握最新的公開數(shù)據(jù)資料，并選取2015年的30萬份數(shù)據(jù)中里的3.5萬份作為樣本，剔除了一些信息缺失的樣本，最終用30412樣本個作為實證分析的數(shù)據(jù)材料。

2.模型的建立

運用Logit模型的基本思路是：以借款人個人信用信息作為不同的自變量，違約事件發(fā)生的情況作為因變量（違約取值為1，履約取值為0），變量之間呈現(xiàn)非線性的關(guān)系。通過將數(shù)據(jù)代入SPSS軟件中，進行l(wèi)ogit回歸分析，來測量出自變量和因變量之間的關(guān)系，從而得到預測個人違約率的重要指標，最終實現(xiàn)對P2P平臺中借款人信用風險的識別。

3.信貸評價指標的構(gòu)建

本文結(jié)合中國P2P市場的實際情況，根據(jù)借款人信息對投資人決策的影響程度[1-2]，將借款人的信貸指標分為以下三大類（借款情況，個人特征值，信用相關(guān)記錄），共14個指標。（見表1）

4.Logit模型的應用及分析

因為每位借貸的客戶狀態(tài)可以分為如期歸還借貸即履約與無法如期歸還借貸即違約兩種，下面具體研究每位客戶履約與違約的概率。設變量y表示每位借貸的客戶狀態(tài)，當y=1時，違約；當y=0時，履約；我們所要研究的是 。

logit回歸方法建立信用評估模型如下[3]：

根據(jù)表2可得預測模型如下：

結(jié)合各參數(shù)的Wald檢驗的p值可知，貸款金額，貸款期限，已還金額比，近期還款額是影響還貸與否的重要指標。由表2得到回歸系數(shù)對應的P值均小于0.005，故該系數(shù)可信度高。

6.模型的準確性

根據(jù)還款和未還款者相關(guān)數(shù)據(jù)，以上述模型計算違約概率（四舍五入保留兩位小數(shù)），設定0.05為違約臨界點，當違約概率大于0.05時，可判斷該借款人為高風險違約客戶。反之，當違約概率小于等于0.05時，可判斷該借款人為履約客戶。以樣本數(shù)據(jù)代入模型得出預測值與實際結(jié)果的比較如表3。

從表3可觀察得知，對于履約（y=0），預測的正確率為96.6%，對于違約（y=1），預測的正確率為96.1%，整個預測模型的正確率為96.5%。所以該模型能夠較好的預測借款人的信貸風險，從而可以幫助P2P企業(yè)進行有效的內(nèi)部風險控制。

三、結(jié)論

本文通過P2P市場的實際情況，優(yōu)選影響個人信用狀態(tài)的指標作為自變量，違約事件是否發(fā)生作為因變量，構(gòu)建了P2P信貸風險的logit模型，利用約3.5萬份客戶的信息與數(shù)據(jù)進行了實證分析，得出以下結(jié)論：

1.本文的logit信貸風險評估模型能夠有效預測個體客戶的違約風險程度，為降低P2P公司的壞賬率提供較高準確率的分析依據(jù)。與此同時，該模型也為P2P公司管理者如何加強內(nèi)部風險管理，降低財務危機的發(fā)生提供有借鑒意義的參考方法。

2.在logit信貸風險評估模型中，與違約概率相關(guān)的重要指標為貸款金額，貸款期限，已還金額比，近期還款額四個。而其余八個指標（包括貸款首付金額，工作年限，房產(chǎn)情況，年收入，月供比例，詢問次數(shù)，信用卡數(shù)，信用額度，信用額度比，信用卡實際數(shù)）也應作為P2P網(wǎng)貸公司對與借款人信用評分表中的必備指標。P2P公司還應圍繞自己公司對風險的偏好，以及目標客戶的個人特征值，針對自己公司的具體情況來對信用評估指標的進行增減，從而達到對違約客戶的識別度精確化。

參考文獻

[1] 李焰，高弋君，李珍妮，才子豪，王冰婷，楊宇軒. 借款人描述性信息對投資人決策的影響[J].基于P2P網(wǎng)絡借貸平臺的分析. 2014年S1期.

[2] 王會娟，廖理. 中國P2P網(wǎng)絡借貸平臺信用認證機制研究[J].來自“人人貸”的經(jīng)驗證據(jù). 2014年04期.

[3] 范金城 梅長林.數(shù)據(jù)分析[R].北京.科學出版社.2005.