基于BP神經(jīng)網(wǎng)絡(luò)的P2P網(wǎng)貸個(gè)人信用風(fēng)險(xiǎn)評(píng)估

● 李佳蓉 蔣艷莉 湯禮媛

一、引言

P2P網(wǎng)貸（peer to peer lending）是指資金需求方通過在線網(wǎng)絡(luò)平臺(tái)與資金供給方進(jìn)行直接交易的民間借貸行為。隨著互聯(lián)網(wǎng)的發(fā)展，民間借貸逐漸興起，P2P網(wǎng)絡(luò)借貸作為一種依托于互聯(lián)網(wǎng)的新型金融模式開始興起并迅速發(fā)展壯大。然而行業(yè)快速發(fā)展，風(fēng)險(xiǎn)也隨之暴露，我國的P2P網(wǎng)絡(luò)借貸平臺(tái)在2011年開始出現(xiàn)了跑路事件，問題事件頻發(fā)，因此建立一個(gè)信用風(fēng)險(xiǎn)評(píng)估模型顯得尤為重要。

二、信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的建立

（一）指標(biāo)選取原則

1.科學(xué)性原則?？茖W(xué)性是確保評(píng)估結(jié)果準(zhǔn)確合理的基礎(chǔ)?？茖W(xué)性原則要求評(píng)估指標(biāo)能反映評(píng)估對(duì)象的特征，指標(biāo)的選擇理論依據(jù)要充分。計(jì)算方法要科學(xué)明確，保證借款人信用風(fēng)險(xiǎn)評(píng)估結(jié)果的真實(shí)性和客觀性。

2.可操作性原則。指標(biāo)設(shè)計(jì)的可操作性原則，是指指標(biāo)體系應(yīng)具有可行性和可采集性。

3.全面性與典型性相結(jié)合的原則。指標(biāo)不是越多越好，應(yīng)做到能精簡(jiǎn)的盡量精簡(jiǎn)，選取的每一個(gè)指標(biāo)都要具有代表性，使估對(duì)象的現(xiàn)實(shí)狀況能被準(zhǔn)確地呈現(xiàn)出來。

4.獨(dú)立性原則。獨(dú)立性要求一個(gè)指標(biāo)體系內(nèi)的所有指標(biāo)既相互排斥又做到方向上的一致性。相互重疊的指標(biāo)會(huì)增大某一方面在測(cè)評(píng)中所占的比重，同時(shí)就相應(yīng)削弱了其他指標(biāo)的地位，進(jìn)而影響整個(gè)評(píng)估體系的準(zhǔn)確性，最終影響評(píng)估效果。

（二）指標(biāo)要素的調(diào)查

關(guān)于個(gè)人信貸信用評(píng)估指標(biāo)體系國外研究主要是在3C、5P原則下發(fā)展完善的，國內(nèi)研究在借鑒和吸收國外經(jīng)驗(yàn)的基礎(chǔ)上，融入了符合我國社會(huì)信用國情的評(píng)估指標(biāo)［1］。個(gè)人信用評(píng)價(jià)指標(biāo)要素調(diào)查可以通過多種方法進(jìn)行，本文通過文獻(xiàn)分析法和訪談法對(duì)指標(biāo)要素進(jìn)行調(diào)查，充分有效地收集基礎(chǔ)指標(biāo)，并將收集到的基礎(chǔ)指標(biāo)要素分為個(gè)人基本指標(biāo)、職業(yè)信息指標(biāo)、歷史信用指標(biāo)三大類。

（三）指標(biāo)要素的選取與分析

個(gè)人信用風(fēng)險(xiǎn)評(píng)估中最重要的一個(gè)環(huán)節(jié)就是評(píng)估指標(biāo)的選取，如果評(píng)估指標(biāo)過于單一，則信用風(fēng)險(xiǎn)評(píng)估模型對(duì)其風(fēng)險(xiǎn)揭示作用會(huì)存在局限性；如果評(píng)估指標(biāo)過多，則容易造成評(píng)估模型過度擬合，實(shí)際應(yīng)用繁雜。為了進(jìn)一步發(fā)揮信用評(píng)估模型的風(fēng)險(xiǎn)揭示作用，應(yīng)選擇合理的信用指標(biāo)。

為了使信用評(píng)估指標(biāo)體系構(gòu)建的更為合理科學(xué)，本文通過專家咨詢法，征求專家的意見，對(duì)上述基本指標(biāo)要素進(jìn)行篩選、修改、補(bǔ)充、完善，最終選取了年齡、婚姻狀況、文化程度、房產(chǎn)情況、工作時(shí)間、單位性質(zhì)、收入情況、歷史信用8個(gè)具有代表性、完備性的指標(biāo)，構(gòu)建P2P網(wǎng)貸借款人信用評(píng)估指標(biāo)體系。

（四）指標(biāo)要素的量化

為了進(jìn)行風(fēng)險(xiǎn)評(píng)估，我們對(duì)選取的8個(gè)指標(biāo)進(jìn)行初步量化，將每個(gè)指標(biāo)的數(shù)據(jù)量化成［0，1］之間的數(shù)值，以方便進(jìn)行下一步的神經(jīng)網(wǎng)絡(luò)計(jì)算，總體量化如：一級(jí)指標(biāo)：個(gè)人基本指標(biāo)：二級(jí)指標(biāo)：年齡：＜25：0.7；25-30：0.8；30-35：0.9；35-40：1.0；40-45：0.9；45-50：0.8； 50-55：0.7； ＞55：0.6； 婚姻狀況： 未婚：0.7；已婚：0.9；離異：0.5； 文化程度： 高中或以下：0.3；?？疲?.5；本科：0.7；研究生或以上：0.9； 房產(chǎn)情況： 無房產(chǎn)：0.5；有房產(chǎn)有房貸：0.7；有房產(chǎn)無房貸：0.9。職業(yè)信息指標(biāo)：工作時(shí)間：1年以下：0.3； 1-3年：0.5； 3-5年：0.7； 5年以上：0.9；單位性質(zhì)：個(gè)體工商戶：0.5；私企：0.6；國企：0.7；事業(yè)編制單位：0.8；政府機(jī)關(guān)：0.9；收入情況：1000元以下：0.2； 1000元-5000元：0.3； 5000元-10000元：0.4；10000元-20000元：0.7； 50000元以上：0.9。歷史信用指標(biāo)：歷史信用：無違約記錄：1； 1-3次：0.6； 4-6次：0.4；7-10次：0.2；10次以上：0。

三、信用風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建

（一）BP神經(jīng)網(wǎng)絡(luò)模型的概述

BP網(wǎng)絡(luò)（Back Propagation Neural Network）又稱反向傳播神經(jīng)網(wǎng)絡(luò)，通過樣本數(shù)據(jù)的訓(xùn)練，不斷修正網(wǎng)絡(luò)權(quán)值和閾值使誤差函數(shù)沿負(fù)梯度方向下降，逼近期望輸出。反向傳播的基本思想就是通過計(jì)算輸出層與期望值之間的誤差來調(diào)整網(wǎng)絡(luò)參數(shù)，從而使得誤差變小。它是一種應(yīng)用較為廣泛的神經(jīng)網(wǎng)絡(luò)模型，多用于函數(shù)逼近、模型識(shí)別分類、數(shù)據(jù)壓縮和時(shí)間序列預(yù)測(cè)等。

BP網(wǎng)絡(luò)由輸入層、隱藏層和輸出層組成，隱藏層可以有一層或多層，網(wǎng)絡(luò)選用S型傳遞函數(shù)通過反傳誤差函數(shù)為期望輸出，為網(wǎng)絡(luò)的計(jì)算輸出），不斷調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值使誤差函數(shù)達(dá)到極小。

（二）數(shù)據(jù)歸一化處理

數(shù)據(jù)歸一化處理即數(shù)據(jù)標(biāo)準(zhǔn)化處理。為了消除指標(biāo)之間的量綱影響，需要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，以解決數(shù)據(jù)指標(biāo)之間的可比性。原始數(shù)據(jù)經(jīng)過數(shù)據(jù)標(biāo)準(zhǔn)化處理后，各指標(biāo)處于同一數(shù)量級(jí)，適合進(jìn)行綜合對(duì)比評(píng)價(jià)。

本文通過最大最小值法對(duì)個(gè)人信用指標(biāo)定量數(shù)據(jù)進(jìn)行歸一化處理。最大最小值法是對(duì)原始數(shù)據(jù)的線性變換，使結(jié)果值映射到［0，1］之間，不會(huì)造成信息的過多丟失。轉(zhuǎn)換函數(shù)如：其中max為樣本數(shù)據(jù)的最大值，min為樣本數(shù)據(jù)的最小值。

（三）BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

1.輸入輸出層設(shè)計(jì)。本文選取年齡、婚姻狀況、文化程度、房產(chǎn)情況、工作時(shí)間、單位性質(zhì)、收入情況、歷史信用8個(gè)信息指標(biāo)作為神經(jīng)網(wǎng)絡(luò)模型的輸入值，因此輸入層節(jié)點(diǎn)數(shù)設(shè)定為8；模型以預(yù)測(cè)信用等級(jí)作為輸出值，輸出層節(jié)點(diǎn)數(shù)則為1。

2.隱含層設(shè)計(jì)。在網(wǎng)絡(luò)設(shè)計(jì)過程中，隱含層神經(jīng)元數(shù)的確定十分重要。隱含層神經(jīng)元數(shù)目過多，會(huì)加大網(wǎng)絡(luò)計(jì)算量，并容易產(chǎn)生過度擬合問題；神經(jīng)元數(shù)目過少，則會(huì)影響網(wǎng)絡(luò)性能，達(dá)不到預(yù)期效果。網(wǎng)絡(luò)中隱含層神經(jīng)元的數(shù)目與實(shí)際問題的復(fù)雜程度、輸入和輸出層的神經(jīng)元數(shù)以及對(duì)期望誤差的設(shè)定有著直接的聯(lián)系。目前，對(duì)于隱含層中神經(jīng)元數(shù)目的確定并沒有明確的公式，只有一些經(jīng)驗(yàn)公式，神經(jīng)元個(gè)數(shù)的最終確定還是需要根據(jù)經(jīng)驗(yàn)和多次實(shí)驗(yàn)來確定。本文在選取隱含層神經(jīng)元數(shù)目的問題上參照了以下的經(jīng)驗(yàn)

3.激勵(lì)函數(shù)的選取。神經(jīng)網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)接收輸入值，并將輸入值傳遞給下一層，輸入節(jié)點(diǎn)會(huì)將輸入屬性值直接傳遞給下一層（隱含層或輸出層）。在神經(jīng)網(wǎng)絡(luò)中，隱含層和輸出層節(jié)點(diǎn)的輸入和輸出之間具有函數(shù)關(guān)系，這個(gè)函數(shù)稱為激勵(lì)函數(shù)。

BP神經(jīng)網(wǎng)絡(luò)通常采用Sigmoid可微函數(shù)和線性函數(shù)作為網(wǎng)絡(luò)的激勵(lì)函數(shù)。本文選擇S型正切函數(shù)tansig作為隱含層神經(jīng)元的激勵(lì)函數(shù)。而由于網(wǎng)絡(luò)的輸出歸一到［-1，1］范圍內(nèi)，因此預(yù)測(cè)模型選取S型對(duì)數(shù)函數(shù)tansig作為輸出層神經(jīng)元的激勵(lì)函數(shù)，即：

4.反傳誤差函數(shù)。通過將輸出誤差反傳，將誤差分?jǐn)偨o各層所有單元，從而獲得各層單元的誤差信號(hào)，進(jìn)而修正各單元的權(quán)值。誤差反向傳播也就是網(wǎng)絡(luò)的學(xué)習(xí)過程。此過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或進(jìn)行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。反傳誤差函數(shù)如下：其中 為期望輸出、 為網(wǎng)絡(luò)的計(jì)算輸出。

（四）BP神經(jīng)網(wǎng)絡(luò)模型的仿真

在完成100組樣本的訓(xùn)練和擬合后，對(duì)經(jīng)過訓(xùn)練生成的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)結(jié)果的驗(yàn)證。預(yù)測(cè)樣本數(shù)據(jù)為：年齡： 0.8，0.7，1，0.7；婚姻狀況：0.7，0.7，0.9，0.8；文化程度： 0.7，0.3，0.9，0.3；房產(chǎn)情況：0.8，0.2，0.6，0.4；工作時(shí)間：0.6，0.6，0.8，0.2；單位性質(zhì)：0.5，0.5，0.7，0.5；收入情況： 0.4，0.2，0.8，0.2；歷史信用： 0.8，0.8，1，0.5；信用等級(jí)： 6，5，8，4。

隨機(jī)訓(xùn)練5次后，4個(gè)測(cè)試樣本的預(yù)測(cè)等級(jí)與真實(shí)等級(jí)基本一致。通過對(duì)前100組借款人信用數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，不斷調(diào)整優(yōu)化，得到了信用指標(biāo)與信用等級(jí)的關(guān)系，使得該BP神經(jīng)網(wǎng)絡(luò)模型具有良好的對(duì)借款人信用風(fēng)險(xiǎn)評(píng)估的能力。

四、建議

結(jié)合我國目前國家的政策法規(guī)，本文提出完善P2P網(wǎng)貸平臺(tái)借款人信用風(fēng)險(xiǎn)評(píng)估，促進(jìn)P2P網(wǎng)貸平臺(tái)健康發(fā)展的建議：

（一）完善行業(yè)征信體系，加強(qiáng)信息共享

成熟的征信體系和規(guī)范的服務(wù)機(jī)制，在強(qiáng)大的金融數(shù)據(jù)支撐下，有利于建立完善的借貸信用評(píng)級(jí)體系。

（二）加強(qiáng)對(duì)借款人的審核，開發(fā)優(yōu)質(zhì)借款人

對(duì)借款人的審核應(yīng)線上線下相結(jié)合，P2P網(wǎng)絡(luò)借貸平臺(tái)應(yīng)注重相關(guān)線下審核，機(jī)構(gòu)可根據(jù)實(shí)際情況對(duì)借款人進(jìn)行定期地實(shí)地審查，避免受到虛假信息的影響。

（三）完善P2P網(wǎng)絡(luò)借貸平臺(tái)的有關(guān)立法

完善我國P2P網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)控制，首先要完善法律法規(guī)制度，要明確平臺(tái)的業(yè)務(wù)模式、規(guī)范產(chǎn)品種類，防止出現(xiàn)洗黑錢現(xiàn)象，同時(shí)各方監(jiān)管機(jī)構(gòu)要充分發(fā)揮作用［2］。