基于模糊層次分析法的大學(xué)生“校園貸”個人信用評估

余思敏 陳文慧 賀杰 張子豪 李軍成

摘 要：為了幫助商業(yè)銀行評估大學(xué)生借貸“校園貸”應(yīng)滿足的條件，基于模糊層次分析法建立了大學(xué)生“校園貸”個人信用評估模型。首先合理的選取大學(xué)生“校園貸”個人信用評估指標，然后通過模糊層次分析法對大學(xué)生的個人信用進行綜合評估。實例結(jié)果表明所提出的方法是合理有效的，從而為商業(yè)銀行及各大正規(guī)網(wǎng)絡(luò)貸款平臺開展“校園貸”業(yè)務(wù)提供了一定的決策依據(jù)。

關(guān)鍵詞：大學(xué)生；校園貸；模糊層次分析法；個人信用評估

中圖分類號：F724.6 文獻標志碼：A 文章編號：2095-2945（2018）34-0033-04

Abstract： In order to help commercial banks to evaluate the conditions that college students should meet in campus loans， a personal credit evaluation model of college students' loans on campus was established based on fuzzy analytic hierarchy process （FAHP）. First of all， reasonable selection of college students "campus loan" personal credit evaluation indicators， and then through the fuzzy analytic hierarchy process on college students' personal credit comprehensive evaluation. The results show that the proposed method is reasonable and effective， which provides some decision-making basis for commercial banks and major formal online loan platform to carry out the "campus loan" business.

Keywords： college students； campus loan； fuzzy analytic hierarchy process； personal credit evaluation

“校園貸”本是針對大學(xué)生而推出的借貸方式，幫助大學(xué)生解決燃眉之急、順利完成學(xué)業(yè)、實現(xiàn)創(chuàng)業(yè)等。但近年來，各大媒體紛紛曝光“校園貸”背后的黑色手段，揭露這些平臺借著“免息”、“低息”的名義，實則為變相高利貸的現(xiàn)象。雖然目前政府提出了網(wǎng)絡(luò)貸款機構(gòu)一律不能向大學(xué)生發(fā)放貸款的政策，但是借貸現(xiàn)象依舊存在。針對這種現(xiàn)象，商業(yè)銀行已經(jīng)開始推出“校園貸”小范圍試水，對于大學(xué)生而言由商業(yè)銀行推出的 “校園貸”利息低、保障性高、更具有安全性；然而對于商業(yè)銀行而言自身利益的保障也就成為一個急需解決的問題。

近年來，“校園貸”問題備受社會的關(guān)注，國內(nèi)也有了很多學(xué)者針對這個問題進行了探究，都希望能夠建立一個貼切實際的大學(xué)生“校園貸”個人信用綜合評估模型以及為其提出相關(guān)建議。例如，盧藝方等[1]將河南的四所高校以及兩所高中作為研究對象，對“校園貸”當(dāng)前情況進行調(diào)查研究并對金融、法制監(jiān)管提出建議；徐睿陽[2]對互聯(lián)網(wǎng)下京東白條個人征信系統(tǒng)進行了分析，并做出了進一步的改進；林慶峰[3]對我國當(dāng)前的社會信用體系與國外的進行了理論上的分析，并提出應(yīng)如何完善個人征信系統(tǒng)；等等。雖然已有部分學(xué)者對大學(xué)生“校園貸”個人信用評估問題進行了探討，但鮮有文獻從定量的角度去分析解決這個問題。

事實上，雖然目前部分商業(yè)銀行已推出大學(xué)生“校園貸”業(yè)務(wù)，但大都還處于試水階段，并未大面積的覆蓋校園的現(xiàn)象。從定量的角度為商業(yè)銀行及各大正規(guī)網(wǎng)絡(luò)貸款平臺創(chuàng)建更加符合當(dāng)前大學(xué)生現(xiàn)狀的個人信用評估模型，不僅可以減少大學(xué)生網(wǎng)上非法貸款的現(xiàn)象，還可以確保銀行的利益以防銀行虧損，從而均衡雙方的利益。對于大學(xué)生而言，個人信用影響因素大多數(shù)為定性因素，很難得到定量數(shù)據(jù)，而層次分析法可以將復(fù)雜的問題分為幾個小部分，再將這些小部分組織成一個層次結(jié)構(gòu)，利用專家意見，利用評估尺度對每一個部分的相對重要性進行權(quán)重數(shù)值評估，而后建立成對比較的判斷矩陣，并求出特征向量及特征值，以該特征向量代表每一層級中各部分的權(quán)重，能為決策者提供充分的決策資訊并得到有關(guān)決策的評選條件或標準、權(quán)重和分析，從而減少決策錯誤的風(fēng)險性。為了解決大學(xué)生貸款與商業(yè)銀行利益保證兩方面的問題，使得“校園貸”能夠同時保障雙方的利益，本文針對大學(xué)生“校園貸”中的個人信用評估問題，利用模糊層次分析法[4]進行研究，定量得到對于大學(xué)生信用而言一級、二級指標所對應(yīng)的權(quán)重，以及得到大學(xué)生個人信用評分的計算方法。

1 大學(xué)生“校園貸”個人信用評估方法

1.1 指標的選取

個人信用評估是對個人信用信息的定量描述。目前，“5C”要素在國際上對個人信用評估的影響因素和指標的分析中使用的最為廣泛。它主要衡量個人在從品質(zhì)、償付能力、資金、抵押和條件方面的個人信用狀況。與國內(nèi)有些不同，中國人民銀行指出我國將評判個人信用的信息指標體系劃分成以下幾大類：基本信息、信用交易信息、公共信息、特別信息和其他等。由此看出，雖然不同的國家、機構(gòu)設(shè)計的個人信用的具體指標有所差異，但傳統(tǒng)的個人信用評估指標體系一般都包括個人基本信息、資產(chǎn)狀況、歷史信用狀況以及個人預(yù)期收入等幾個方面[5]。而針對大學(xué)生而言，需要選取符合大學(xué)生實際情況的個人信用信息指標。為此，本文中針對當(dāng)代大學(xué)生的基本情況選擇了學(xué)生基本信息、消費行為、道德水平、所處環(huán)境、在校情況作為“5C”要素的一級指標Ci以及15個二級指標Pij[6]，具體指標及解析如表1所示。

1.2 判斷矩陣的構(gòu)造

在確定各層次要素之間的權(quán)重時，假設(shè)只從定性的角度去分析，將使得數(shù)據(jù)不夠客觀，于是Saaty等人進行數(shù)次實驗，比較人們在不同的標度下判斷結(jié)果的準確度，最終發(fā)現(xiàn)使用1～9標度得到的結(jié)果最準確。所以在本文中將使用1～9標度的方法根據(jù)Ci之間、Pij之間的重要性為其打分得到判斷矩陣[7]。

其中各個指標分值的確定需要考慮該類指標對于大學(xué)生個人征信的重要性，例如在5個一級指標Ci中，大學(xué)生的每月生活費、收入（勤工儉學(xué)、獎學(xué)金等）以及月消費金額對大學(xué)生信用的影響很大，所以在構(gòu)造判斷矩陣時應(yīng)該給予較大的分值，5個一級指標所得判斷矩陣如表2所示。

得到Pij判斷矩陣的方法與Ci相同，只需要比較屬于同級指標下的二級指標之間的相對重要性即可得到相應(yīng)的結(jié)果，如表3所示。

1.3 指標權(quán)重的計算與一致性檢驗

（1）指標權(quán)重的計算

本文采用特征根法求解指標權(quán)重，利用AW=maxW公式求出判斷矩陣A的最大特征根？姿max，以及最大特征根？姿max對應(yīng)的特征向量W，并將特征向量經(jīng)過標準化處理作為各指標的權(quán)重向量[8]。

（2）一致性檢驗

求解隨機一致性比率CR（CR=CI/RI），然而RI的取值通常會由于指標總數(shù)n的變化而改變。如果 CR<0.1，那么之前所得到的判斷矩陣是一致的，也就是說此時所構(gòu)造的判斷矩陣可以被接受，所得結(jié)果可以作為最終的權(quán)重，反之則需要適當(dāng)?shù)恼{(diào)整打分。

1.4 模糊集評價論域的設(shè)定

為各個二級指標設(shè)定一個評價論域V=（v1，v2，…，vn），n=1，2，3…，而v1，v2，…，vn則表示評價或評語等級。本文將信用評價論域設(shè)定為V={很好，好，中，差，很差}，它們表示的含義分別為個人信用狀況非常好、好、一般、差、很差。

1.5 模糊集隸屬度的構(gòu)造

由于專家評審打分法對于實際問題的研究有較好的實用性、效用性。所以針對本文所確定的二級指標，得到相應(yīng)的信用評分結(jié)果，作為每個有序?qū)χ付ǖ碾`屬度，具體的評分結(jié)果見表4。

可以從表4獲得關(guān)于二級指標與信用評價打分關(guān)系的15*5階模糊關(guān)系矩陣（模糊關(guān)系隸屬度函數(shù)）R，再根據(jù)一級指標Ci可將 R分成5個模糊關(guān)系矩陣Ri（i=1，2，3，4，5）。

1.6 模糊矩陣的合成

2 大學(xué)生信用評估實例

2.1 設(shè)置問卷獲取數(shù)據(jù)

本文為驗證上文所建立的模型是否適用于評估當(dāng)代大學(xué)生的個人信用情況，特設(shè)制了一份調(diào)查問卷，并隨機找了10位大學(xué)生進行填寫，從而確保數(shù)據(jù)的真實合理性，現(xiàn)將所得的結(jié)果利用之前所建立的模型進行評估。調(diào)查問卷所設(shè)置的選項如表5所示，每個選項對應(yīng)不同的分值，根據(jù)大學(xué)生選擇的選項對其進行評分，如表5所示。

將十位大學(xué)生所填的信息對應(yīng)上表的分值進行打分統(tǒng)計，所得結(jié)果如表6所示。

2.2 指標權(quán)重的求解

在已知判斷矩陣的條件下，利用MATLAB計算求得Ci、Pij所對應(yīng)的判斷矩陣的特征根，并進行標準化處理，就可以得到各指標的權(quán)重，將Ci所對應(yīng)的權(quán)重？棕A與Pij所對應(yīng)的權(quán)重？棕■相乘可以得到最終的總權(quán)重并對其進行排序，所得結(jié)果如表7所示。

從表7的結(jié)果可以看出，針對大學(xué)生的個人征信系統(tǒng)一級指標中學(xué)生在校情況可作為最重要的借貸指標，其次是學(xué)生的消費行為。其中學(xué)生每個月生活費、收入情況、月消費金額可作為首要考慮的因素。商業(yè)銀行推出的“校園貸”在考慮是否應(yīng)該借給大學(xué)生時可以針對以上得到的權(quán)重去綜合的考慮大學(xué)生的個人征信條件，再選擇是否接受大學(xué)生提出的貸款申請。

2.3 評判系數(shù)的求解

Z=（0.3536 0.2062 0.1528 0.1437 0.1437）

2.4 評判結(jié)果的求解

根據(jù)所獲得的信息評分表，將各個Pij的評分與其相應(yīng)的權(quán)重相乘得到Ci的評分，所得結(jié)果存入10*5的矩陣Eval當(dāng)中。

將所得的Eval與結(jié)果一級指標評判系數(shù)矩陣Z相乘，即可得到每位大學(xué)生的最終得分Score為：

Score=（4.1760，4.2078，3.5597，3.1390，3.0032，3.9453，3.4571，2.8651，2.9882，3.6867）

由于每一項指標的最高為5分，所以信用評價論域V={很好，好，中，差，很差}所對應(yīng)的區(qū)間分別為[5，4）、[4，3）、[3，2）、[2，1）、[1，0]。從所得的結(jié)果可以分析出第一、二位大學(xué)生個人信用很好可以放心借貸給他；第三、四、五、六、七、十位大學(xué)生的個人信用中等可以選擇借貸給他們；第八、九位大學(xué)生的個人信用差不適合借貸給他們。利用所得的結(jié)果再去分析他們所對應(yīng)的原因，可以發(fā)現(xiàn)某些大學(xué)生雖然收入較多，例如第九位大學(xué)生，但是其他方面的因素較差，導(dǎo)致最終的個人信用一般，不值得借貸給他；而有些大學(xué)生的收入較少，例如第三位大學(xué)生，但是其他方面較為優(yōu)異，使得其最終的個人信用較好，說明了不在單一的根據(jù)某一兩個因素去判斷個人信用，且所得到的結(jié)論與事實基本吻合。

3 結(jié)束語

本文所建立的大學(xué)生“校園貸”個人信用評估模型，只需要通過為大學(xué)生各項指標評分的方式，便可以通過模型計算得到大學(xué)生個人信用的情況。相對而言這種方式更加的方便快捷，并且可以通過定量分析的方式考慮是否應(yīng)該借貸給大學(xué)生，為商業(yè)銀行及各大平臺提供了一定的參考價值。

然而，盡管本文使用模糊層次分析法得到Ci以及pij所對應(yīng)的權(quán)重，較好的彌補了AHP在主觀性方面存在的不足，但是利用模糊層次分析法所得到的結(jié)果仍然存在一定的主觀性，不夠客觀，所以在接下去的研究內(nèi)容中用什么方法可以更客觀、科學(xué)的評估個人信用也將是下一步研究工作的目標。

參考文獻：

[1]盧藝方，段昕昕.“校園貸”現(xiàn)狀調(diào)查及金融、法制監(jiān)管建議——以河南四所高校和兩所高中為例[J].時代金融，2016，32：238-239.

[2]徐睿陽.互聯(lián)網(wǎng)金融下京東白條個人征信模式改進探究[D].北京交通大學(xué)，2017.

[3]林慶峰.如何完善我國個人信用制度的思考[D].福州大學(xué)，2014.

[4]肖振泉.基于模糊層次分析法的職業(yè)院校學(xué)生成績評估模型[J].輕工科技，2018，6：161-162.

[5]陳美麗，傅魁.第三方支付背景下消費者個人信用評估模型構(gòu)建[J].財會月刊，2018，1：79-85.

[6]俞立超，倪雙博，陳素瑩，等.大學(xué)生助學(xué)貸款風(fēng)險信用評估模型研究[J].大學(xué)教育，2018，1：192-195.

[7]陳國華，韋程東，蔣建初，等.數(shù)學(xué)模型與數(shù)學(xué)建模方法[M].天津：南開大學(xué)出版社，2012.

[8]宋琳.基于模糊層次分析法的P2P網(wǎng)貸行業(yè)風(fēng)險評估研究[J].東岳論叢，2017，38（10）：96-101.