梁心怡

摘要：近年來，隨著網(wǎng)絡(luò)借貸平臺走進(jìn)人們的生活，信用風(fēng)險嚴(yán)重影響著網(wǎng)絡(luò)借貸平臺的發(fā)展。其中，個人信用風(fēng)險在我國消費(fèi)信貸中是影響力最大的。它在造成借貸平臺資產(chǎn)的不良和資產(chǎn)泡沫化的形成的同時還會對消費(fèi)信貸的發(fā)展有嚴(yán)重的影響。一個合理的信用風(fēng)險評估存在是非常必要的，建立一套比較有效的個人信用評估標(biāo)準(zhǔn)是迫在眉睫。

本文的研究目的是希望通過統(tǒng)計分析，結(jié)合大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸的個人信用數(shù)據(jù)，通過定性和定量分析建立適合大學(xué)生的個人信用評分模型。

關(guān)鍵詞：網(wǎng)絡(luò)消費(fèi)信貸 大學(xué)生信用 個人信用評分 Logistic回歸模型

一、大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸的現(xiàn)狀

（一）大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸信用風(fēng)險的現(xiàn)狀

網(wǎng)絡(luò)消費(fèi)信貸是近年來發(fā)展迅猛的一種消費(fèi)信貸方式，更是當(dāng)前高校大學(xué)生的一種主要消費(fèi)方式。作為消費(fèi)信貸的重要參與者，大學(xué)生的信貸消費(fèi)主要集中在數(shù)碼電子產(chǎn)品、學(xué)習(xí)生活消費(fèi)、休閑娛樂消費(fèi)、創(chuàng)業(yè)消費(fèi)四個主要方面。但大學(xué)生生活來源單一，投資心態(tài)不成熟，看重小額靈活、低成本消費(fèi)的特點(diǎn)，也使得互聯(lián)網(wǎng)消費(fèi)信貸對高校大學(xué)生產(chǎn)生了很多不良影響，存在盲目沖動消費(fèi)，相互攀比等問題。

（二）大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸所存在的問題

根據(jù)本文為研究所收集到的來自于北京理工大學(xué)珠海學(xué)院的325份問卷所得，54%的大學(xué)生每月月均生活費(fèi)少于1500元，46%的受訪學(xué)生每月生活費(fèi)超過1500元。但據(jù)問卷顯示，大學(xué)生使用額度大于1000元的達(dá)到56%，表明大學(xué)生花錢的“理想”和缺錢的“現(xiàn)實”落差頗大，由此看出，許多大學(xué)生高估了自身還款能力。據(jù)此，本文對大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸情況進(jìn)行一系列分析后，發(fā)現(xiàn)存在以下這些問題：第一，網(wǎng)絡(luò)消費(fèi)信貸門檻低；第二，網(wǎng)絡(luò)消費(fèi)信貸監(jiān)管缺位；第三，大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸的認(rèn)識很淺且金融安全意識還很薄弱。

對此，我們迫切需要建立一套反映大學(xué)生消費(fèi)信貸風(fēng)險情況的個人信用評分模型，通過對大學(xué)生個人信用狀況進(jìn)行打分，直觀地審視每一位大學(xué)生的信用情況，并及時監(jiān)測其信用行為，防止違約情況出現(xiàn)。

二、大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸個人信用風(fēng)險實證分析

（一）指標(biāo)體系的建立與分析

用于建立個人信用評分模型的樣本數(shù)據(jù)應(yīng)能夠代表大學(xué)生使用網(wǎng)絡(luò)消費(fèi)信貸的大部分學(xué)生的數(shù)據(jù)，同時我們也要能夠充分的考慮大學(xué)生的各項具體特征來確定我們所需要的指標(biāo)變量，并對定性指標(biāo)通過賦值進(jìn)行量化分析。

1.樣本數(shù)據(jù)的選擇原則。 樣本數(shù)據(jù)是建立模型的前提，根據(jù)國內(nèi)外大量的文獻(xiàn)研究表明，如若利用Logistic回歸建立個人信用評分模型，而樣本數(shù)量卻小于100，可能會導(dǎo)致樣本不具有代表性，沒有任何的參考價值，從而導(dǎo)致得出的模型擬合效果不理想，存在一定的風(fēng)險；而當(dāng)樣本數(shù)據(jù)大于300的時候，所得出的模型擬合效果就相對比較準(zhǔn)確。因此，本文在考慮樣本數(shù)據(jù)時把發(fā)放問卷數(shù)量設(shè)定為350份。

2.樣本數(shù)據(jù)的采集。本文建模所使用的數(shù)據(jù)為我們5月11日在北京理工大學(xué)珠海學(xué)院隨機(jī)選取學(xué)生發(fā)放問卷進(jìn)行調(diào)查得到的大學(xué)生使用網(wǎng)絡(luò)消費(fèi)信貸的數(shù)據(jù)。本文一共發(fā)放了350份問卷，其中無效的樣本數(shù)據(jù)為25份，有效的為325份。其中，選取300組樣本數(shù)據(jù)用于建模，其余剩下的25份用于檢驗。所選選取的300組建模樣本數(shù)據(jù)分為兩部分，其中有逾期記錄及違約的樣本為50組，無逾期記錄即履約的有250組，履違約比為5：1。

3.指標(biāo)變量的設(shè)置和量化?？紤]到數(shù)據(jù)的可得性首先結(jié)合了國內(nèi)外普及的“5C”原則挑選了是否曾經(jīng)作弊，生活費(fèi)，家庭負(fù)債情況是否影響收入，還款占收入比這四個相對應(yīng)的變量，并結(jié)合其他考慮的因素，再引入性別，使用額度，還款期限、逾期記錄這四個變量，共八個變量進(jìn)行建模。其中逾期記錄作為因變量，其余七類與大學(xué)生網(wǎng)絡(luò)消費(fèi)信用評分緊密相關(guān)的指標(biāo)變量為自變量，并一一對指標(biāo)變量進(jìn)行量化處理。如表1所示：

（二）個人信用評分模型的建立

1.變量的篩選。首先對選定的300組樣本數(shù)據(jù)進(jìn)行單變量Logistic回歸分析，剔除與履約行為無明顯關(guān)系的指標(biāo)變量。從單變量回歸分析結(jié)果顯示，生活費(fèi)、家庭負(fù)債情況是否影響收入、使用額度，這三個變量均未通過顯著性檢驗Sig<0.05，不能拒絕方程的原假設(shè)，說明這三個變量與因變量逾期記錄（大學(xué)生履約情況）不顯著相關(guān)，因此剔除這三個指標(biāo)。同時需要對變量進(jìn)行多重共線性檢驗，剔除存在嚴(yán)重多重共線性的變量。相關(guān)矩陣表結(jié)果顯示系數(shù)都不大于0.8，我們可以初步粗略的判斷出這7個變量之間不存在嚴(yán)重的多重共線性。

為了進(jìn)一步確定各變量之間是否存在多重共線性，對模型進(jìn)行多重共線性檢驗。結(jié)果顯示所有變量的容忍度較高均大于0.1，膨脹因子很小均小于10，因此認(rèn)為方程這7組變量之間不存在嚴(yán)重的多重共線性，不會對最終建立的個人信用評分模型產(chǎn)生嚴(yán)重影響。

2.Logistic回歸模型的建立。將以上三個變量剔除后，對剩下保留的性別，是否曾經(jīng)作弊，還款期限，還款收入比這4個變量再進(jìn)行Logistic回歸，建立Logistic回歸模型：

由測試的25個學(xué)生的信用評分所示，我們可以看到，曾經(jīng)作弊的次數(shù)較少甚至是沒有的學(xué)生信用風(fēng)險低，信用分較高；選擇的還款期限均在6個月內(nèi)包括即期還款的學(xué)生比還款期限在6個月以上的學(xué)生信用風(fēng)險要低，信用分相對高；

而還款占收入比在20%以下的學(xué)生也比還款占收入比較大的學(xué)生信用分高。

三、研究結(jié)論

本文從logistic回歸出發(fā)，以北京理工大學(xué)珠海學(xué)院300位學(xué)生的問卷調(diào)查為樣本數(shù)據(jù)，對大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸中存在的風(fēng)險，做了定性分析與定量研究。

在研究中，發(fā)現(xiàn)性別，是否曾經(jīng)作弊，還款期限，還款占收入比這4個因素對模型有著顯著影響。其后，我們通過Logistic回歸模型建立了大學(xué)生個人信用評分模型，得到了一套屬于大學(xué)生個人信用評分的計算公式。根據(jù)該計算公式，我們能夠憑借每一位大學(xué)生的個人情況及消費(fèi)情況，通過模型快速直觀地觀察到其相對應(yīng)的信用評分，有利于控制大學(xué)生信用風(fēng)險。最后利用的額外樣本數(shù)據(jù)，檢驗了模型的準(zhǔn)確度，結(jié)果表明模本文的信用分模型能較好地反映大學(xué)生的信用狀況，并為有效監(jiān)管大學(xué)生的信用風(fēng)險提供了一定的支持。

參考文獻(xiàn)：

[1]李揚(yáng).基于Logistic回歸的建設(shè)銀行S市分行消費(fèi)信貸風(fēng)險研究[D].2012.

[2]張國政，姚珍，楊亦民，基于Logistic回歸的農(nóng)戶小額信貸風(fēng)險評估實證研究[J].財會月刊，2016，（27），pp.63-66CNKI.

[3]周瑩，我國商業(yè)銀行個人消費(fèi)信貸業(yè)務(wù)風(fēng)險評估研究[D].北京林業(yè)大學(xué). 2011CNKI.

[4]汪莉，基于Logistic回歸模型的中小企業(yè)信用評分研究[D].合肥工業(yè)大學(xué) 2008CNKI.

[5]吳麗麗，基于Logistic回歸模型的商業(yè)銀行信用風(fēng)險管理研究[D].哈爾濱工業(yè)大學(xué) 2007CNKI.

（作者單位：北京理工大學(xué)珠海學(xué)院會計與金融學(xué)院）