拍拍贷信用风险模型构建.docxVIP

拍拍贷信用风险模型构建   本篇论文目录导航：  无抵押无担保P2P网络贷款的信用风险研析 我国P2P网贷模式的信用问题研究绪论 我国P2P网络贷款现状、模式及信用分析 P2P网络贷款信用风险度量 拍拍贷信用风险要素挖掘及处理技术 拍拍贷信用风险模型构建 英美P2P行业发展与监督经验借鉴 中国P2P网络贷款信用管理研究总结与参考文献 　　（三）信用风险模型构建 　　1.模型指标选取 　　本文结合 P2P 网络贷款信用风险的自身特点和拍拍贷网站所提供的黑名单信息，总结出 22 个综合反映借款者信用风险的定性和定量指标。 　　如表 4-3 所示，这些指标被分为 5 类，借款者基本信息包括借款人的性别、年龄、户籍、联系方式、婚姻状况、学历、从事职业、工作时间；贷款状况包括贷款周期、贷款金额、贷款次数、已还款金额、贷款逾期天数；借款者还款能力包括借款者年收入、净收入、所持有的金融资产、所持有的其他资产；借款者还款意愿包括借款者银行信用记录、人民银行征信报告；贷款担保包括借款人是否提供担保、是否参与联保、住房状况。  　　由于网站提供的拖欠贷款黑名单数据过多，同时拖欠贷款者的披露信息完整性各不相同，本文将对过多的数据字段进行缩减处理，删除对分析结果影响甚微的数据字段，并对表达相同意义的字段进行合并处理，选出对信用风险分析能力最强的若干指标。同时，将部分定量数据映射到较小的区间内，例如，将贷款金额映射到[1,100]区间内，缩小各借款者借款金额直接的差距，提高模型的分类能力。 　　结合网站提供的信息，本文将采用性别、婚姻状况、年龄、学历、贷款周期、贷款金额、从事职业、财产状况、还款意愿、亲友担保状况共 10 个指标来判断借款者的信用风险。如表 4-4 所示： 　　（1）性别：有研究认为男性的违约率普遍高于女性，因而信用风险更高。 　　（2）婚姻状况：婚姻让人更富有责任感，因此已婚借款者的违约概率较低，信用风险也较低。 　　（3）年龄：国外有学者的研究结果表明，借款者的信用风险与年龄呈现出双峰曲线的关系，即初次步入社会的借款人和 36 岁左右的借款人信用风险高于其他群体。 　　（4）学历：一般认为，借款者的信用风险与学历呈反向变动关系，即随着借款者学历的提升，其信用风险降低，这与高学历者更容易获得高收入并且更加诚信有关。 　　（5）贷款周期：贷款周期即贷款期限的长短，一般认为，贷款周期越长，其面临的不可控因素越多，信用风险越大。 　　（6）贷款金额：贷款金融与借款者的违约概率呈正向变动，即贷款金额越大，借款者违约的概率越高，信用风险越大。 　　（7）从事职业：借款者的职业反映了借款者收入的稳定性及借款者的偿还能力。 　　（8）财产状况：借款者所拥有的财产越多，其偿还能力越强，违约概率越低，从而信用风险越低。 　　（9）还款意愿：还款意愿由借款者所提供的银行信用记录和人民银行征信报告共同决定。 　　（10）亲友担保状况：亲友担保是借款者的第二还款来源，其降低了借款者的违约概率，从而可能与信用风险呈反向变动关系。 　　2.指标的量化处理 　　由于上述指标中既含有定量指标，又含有定性指标，所以必须在使用样本数据前对指标进行处理，使其具有一致性。本文将定性指标的相应结论按照其与信用风险相关的程度转化为有序响应变量。 　　3.描述性分析统计分析 　　通过对输入的 90 个样本数据进行描述性统计分析分析，我们发现： 　　逾期未偿还贷款者中男性占 88%,男性违约的概率要远远高于女性。其中，已婚男性违约的比例为 40%,已婚女性违约的比例为 5%,均较单身状态下有所降低。验证了男性的信用风险高于女性，已婚者的信用风险低于单身者。如图 4-2 所示。 　　违约群体中，32 岁至 38 岁的违约者所占的比例最高为 45%,其次是26 岁至 31 岁的借款者。这也验证了借款者的信用风险与年龄呈现出双峰曲线的关系。如图 4-3 所示。 　　在 90 名逾期借款人中，大专及以上;学历有 16 人，高中;学历有 35 人，初中;学历有 21 人。逾期借款人集中在初中、高中学历，且随着学历的提高，逾期借款者的比例逐渐降低。如图 4-4 所示。 　　逾期借款人所从事的职业集中在单位职工、个体户以及网店卖家中，而占总人数最多的其他;职业主要表现为借款者无固定职业或未提供相应的工作证明。这也说明了从事稳定的职业对于借款者信用风险的重要性。如图 4-5 所示。 　　通过对所有借款者的贷款金额进行平均，我们发现拍拍贷借款平台98%的借款金额小于 10 万元，一般在 3000 元至