基于决策树模型的P2P信用风险评价.docxVIP

基于决策树模型的P2P信用风险评价 　　【摘要】以p2p平台的借款人信用风险为切入点对p2p全行业的信用风险进行研究。在研究的过程，采用了决策树模型法、定性与定量结合法对平台的信用风险进行分析。基于决策树模型，以选定的借款人信息作为解释变量，以是否逾期违约作为被解释变量，利用spssmodeler软件建立相应模型，做出相应解释。 　　【关键词】p2p;信用风险风险评价决策树模型 　　一、引言 　　“p2p”借贷平台即peer-to-peerlending，是指帮助拥有资金并且有理财投资意愿的个人与有借款需求的人发生借贷关系的平台。通过这个平台，有闲置资金并且希望获得增值的投资人成为放贷人，也称投资人，有资金需求的一方成为借款人。p2p平台在发展的过程中的确会蕴藏很多的风险，例如信用风险、信用管理风险、资产管理风险，法律和政策风险，市场风险，风控风险等。这些风险都会导致投资者被动承担巨额经济损失，制约平台和行业的发展。其中信用风险是p2p最核心也最难控制的风险，而借款人的违约风险是p2p信贷最重要的风险之一，故本文就借款人的信用风险做重点研究。 　　二、文献综述 　　p2p网贷模式源自2005年英国，是一种借助互联网信息平台来实现借款人和投资人“点对点”的一种便捷的，去中介化的融资模式。greiner（2009）立足于社会资本理论视角，强调了p2p网贷交易中的信息不对称问题，p2p贷款模式中借款人和投资人之间信息不对称问题更容易出现且程度更严重。rizaemekter（2015）利用fico评分系统对lendingclub的信用數据评估其信用风险与还款表现，发现信用等级，收入负债比对贷款违约行为产生重要影响，低信用等级有着较高的道德风险。 　　国内近年来对信用风险评估的研究受到了广泛的关注，研究主要集中在对己有信用评估模型的应用、模型效果比较以及模型的组合与优化方面。王春峰，万海晖（1998）等是国内最先将判别分析法应用到商业银行信用风险评估中，并且通过实证证明了判别分析法的有效性。随着人工智能方法的发展，国内学者将其运用到信用风险度量领域。李玉霜（2001）等将分类树应用于解决从业人员在进行贷款分类过程中分析判断能力欠缺的问题中，实证分析表明决策树方法比线性判别分析方法准确率高。 　　三、数据来源与模型分析 　　由于p2p网络借贷在我国起步晚，国家有关部门还没有对平台提出具体要求，平台便没有责任提供内部数据，同时也没有相关部门做出权威数据检测和公布。所以本文采取从官网上一一获取。从人人贷官网获取的借款数据减去无效的流标数据，对原始数据进行分离后整理，并且赋值转化。经过一定的分析，本文选择从用户的性别、年龄、学历、婚姻状况、信用评级和收入状况这六个方面选取出关于网络借贷风险影响因素的解释变量，以项目情况即是否存在逾期作为衡量是否存在信用风险的被解释变量。 　　借助决策树模型，抽取的样本中借款人履约的样本为586份，占总样本的50.3%，借款人违约的样本为579份为，占总样本的49.7%。六个解释变量中，最为重要、关联度最高、权重最大的解释变量是借款人的信用等级，学历和收入情况次之，年龄、婚姻状况、性别所占权重过小，敏感度过低，不参与决策树的建立。当信用等级大于hr时（aa、a、b、c、d、e）无一违约样本，履约率达到100%。当信用等级为hr时，有95.4%的借款人履约，90.6%违约。90.6%违约的借款人中，学历在高中及以下的借款人违约率高达95.399%，大专及以上学历借款人违约率为85.623%。其中，收入情况为2000—5000元的借款人违约率达到93.299%，收入在5000元以上的违约率为73.544%。 　　四、结论与建议 　　本文的结论如下：第一，，借款人的信用等级所占权重最大，占到了0.72。所以各p2p借贷平台的信用等级评判体系应当不断完善，严肃谨慎的对待借款人的信用等级评价。对于信用等级低的借款人谨慎放贷。第二，收入情况和学历高低也影响借款人的信用风险，两者均与信用风险成反比，学历较高、收入情况越好则借款人的信用风险相对较低。政府部门应该设立专门的权威机构将个人信息进行专业采集收纳入权威的征信系统，并适当将信息开放给各p2p平台，加强信息共享，使整体行业信用风险降低，维持市场稳定和秩序。各p2p平台之间也可以加强信息共享，完善征信系统，根据历史逾约的情况建立拟合的模型，更加精准有效的设置信用等级的评价标准。 　　【参考文献】 　　[1]greiner;m.e，，wang，h.theroleofsocialcapitalinpeople-to-peoplelendingmarketplaces[c