廖夢晗，陳 晨，張丹丹

(1.武漢科技大學 恒大管理學院，湖北 武漢 430065；2.武漢工商學院 管理學院，湖北 武漢 430064)

目前，P2P(peer-to-peer lending,P2P)網(wǎng)絡借貸進入國內(nèi)盡管已經(jīng)有10年時間，但各類管理系統(tǒng)還不夠健全，仍然存在很多復制英美等發(fā)達國家平臺的痕跡。在國外，運營較為成功的平臺Zopa，成立于2005年3月，目前擁有超過50萬注冊會員；世界上最大的平臺Prosper，成立于2006年，目前擁有超過220萬注冊會員，有超過20億美元的借貸發(fā)生額。[1]

P2P網(wǎng)絡借貸不是簡單意義上的無抵押貸款，實質(zhì)上是借貸雙方通過互聯(lián)網(wǎng)平臺發(fā)生借貸，它是互聯(lián)網(wǎng)與現(xiàn)代金融相結(jié)合的產(chǎn)物。它與傳統(tǒng)的借貸方式一樣滿足了借款方的資金需求，在征信體系和閑散資金的分配方面，與傳統(tǒng)的借貸方式相比，P2P網(wǎng)絡借貸更加公開、透明。

我國的P2P起步較晚，沒有完善的征信體系做支撐，導致借貸平臺對借款人缺乏科學合理的評估方法。某些借款人利用這些漏洞，故意偽造自己的信用度來騙取資金，借款后惡意違約，這種惡意的行為給貸款人和借貸平臺帶來很大風險。因此，構(gòu)建P2P借款人信用風險評估模型具有重要的現(xiàn)實意義。

一、P2P借款人信用風險評估指標體系構(gòu)建

(一)信用風險評估指標體系構(gòu)建原則

為了對P2P借款人信用風險的評估更加準確，同時保證評估系統(tǒng)能順利地設計與實施，首先需要分析P2P借款人信用風險的影響因素，然后研究這些因素產(chǎn)生的原因、內(nèi)在的關(guān)系和變化的機理。在建立P2P借款人信用風險評估指標體系過程中要遵循一定的原則。

1.指標的全面性與重要性相結(jié)合

P2P借款人的信用風險評估指標的全面性是指其能夠反映信用風險各方面的問題，這些指標之間要有一定的邏輯性。影響P2P借款人信用風險的因素較多且復雜，所以在建立指標體系的時候，為保證各指標緊密聯(lián)系，所選取的指標不僅要全面，而且需具有代表性，這樣在避免重復選取的同時，還能提高評估的準確度。

2.指標內(nèi)容的動態(tài)性與相對穩(wěn)定性相結(jié)合

為了保證評估系統(tǒng)的穩(wěn)定性，在建立指標體系時，所選取的指標需要有相對穩(wěn)定性。這樣，即使社會環(huán)境、經(jīng)濟環(huán)境有較大的變化，指標體系的邏輯結(jié)構(gòu)也不會受到較大的影響，總體上呈現(xiàn)穩(wěn)定的狀態(tài)。但是這些指標也不是一成不變的，需要根據(jù)時間的變化而不斷更新。因此，所選取的指標不僅要相對穩(wěn)定，而且要具有動態(tài)性。

3.指標的可行性與有效性相結(jié)合

指標的可行性與有效性是指收集到的指標可以量化，便于分析問題，在指標體系建立之后能評估借款人的信用風險，同時，收集指標時所花費的財力物力也是可以接受的。這樣，所建立的評估體系將會更加準確、有效。

4.定性指標與定量指標相結(jié)合

定量指標能夠準確地定義、評價P2P借款人的信用風險，由于其量化的特點，計算出的數(shù)值也可以直接反映問題所在，更加客觀、有效、有說服力。當然不是所有的指標都能夠量化，還需要定性指標的輔助作用，通過這些定性指標對影響因素進行描述分析，從而反映問題的所在。兩類指標相結(jié)合，使得構(gòu)建的指標體系更加全面而具體。

(二)影響借款人信用的基本因素

基本屬性指標包括性別、年齡、文化程度、婚姻狀況、所在地等。一般認為，男性的違約率會高于女性，并且他們也不太關(guān)注信用記錄；處于不同年齡段的人群，他們的經(jīng)濟能力與風險偏好都有所不同，接受風險和承擔風險的能力也不同；婚姻狀況會影響借款人的家庭收入水平與消費結(jié)構(gòu)，婚后責任感的增強也會提高其信用度；不同的地域所給予的經(jīng)濟、政策、文化氛圍、環(huán)境風氣也會對借款人的信用造成影響。

償債能力指標包括職業(yè)類型、月收入、工作年限、名下不動產(chǎn)屬性和購車情況等。月收入能直接反映借款人的還款能力，一般來說，月收入越高，還款能力越強，但這并不代表其違約的風險就越小，因為高收入的人也更容易偏好于高風險的投資。名下不動產(chǎn)屬性和購車情況也可以從側(cè)面體現(xiàn)借款人的經(jīng)濟實力。

借款產(chǎn)品指標包括金額、用途、期限、利率、標的等。一般情況下，為得到更多的借款金額，提供較高利率的借款人信用狀況相對較差；同樣地，隨著借款期限的延長，資金的流動性降低，違約風險也會加大。

借款人歷史信用指標包括信用卡情況、逾期還款筆數(shù)占總還款筆數(shù)百分比、違約情況、央行認證信息等。這些信用指標可以為P2P網(wǎng)絡借貸平臺衡量借款人的信用度提供更為真實的參考數(shù)據(jù)。

(三)借款人違約特征分析

1.數(shù)據(jù)來源

為了較為準確地分析我國P2P網(wǎng)絡貸款平臺借款人的信用風險影響因素，本研究選取國內(nèi)首家提供無擔保的網(wǎng)絡借貸平臺，同時也是第一家由工商部門批準的具有金融信息服務資質(zhì)的互聯(lián)網(wǎng)金融平臺拍拍貸[2]作為研究對象。

為了確保數(shù)據(jù)分析的有效性，本研究隨機選取平臺中4027條借貸數(shù)據(jù)，除去一些不準確、不完整的信息，最終選取2505條數(shù)據(jù)作為分析樣本。

由于以互聯(lián)網(wǎng)作為媒介展開調(diào)查有一定局限性，所以調(diào)查到的信息也比較簡單。針對本研究構(gòu)建借款人信用風險評估模型的目標，分別對正常還款的用戶樣本和違約還款的用戶樣本進行統(tǒng)計和分析。

2.樣本分析

從年齡看，20～29歲的違約率達到21.20%，是違約率最高的年齡段，30～39歲、40～49歲、50～59歲、60歲及以上的違約率分別為17.11%、11.36%、10.11%、8.33%。由此可以看出，隨著年齡的不斷增長，借款人違約率越來越低，信用風險越來越小。這一現(xiàn)象的出現(xiàn)，不僅與每個年齡階段對待風險的意識有關(guān)，還跟其收入和工作年限有關(guān)。此外，60歲及以上的年齡層，參與人數(shù)非常少，可以看出他們對待新鮮事物十分謹慎。

從性別看，男性借款的人數(shù)大大超過女性借款的人數(shù)，并且男性的違約率也大于女性的違約率。這反映出女性在貸款方面相對保守，并且女性對信貸的了解程度相對于男性較弱，在信貸平臺的活躍度也較低。

從婚姻狀況看，未婚借款人的違約率高達27.19%，居于四類人群中的首位?？梢钥闯?，未婚人士在責任感方面并不強。而已婚人群與離婚人群相差不大，這可能跟婚后家庭的消費結(jié)構(gòu)及自身對于家庭的責任感有關(guān)。

從文化程度看，借款人文化水平越高，違約率越低，相對應的信用風險也越低。這說明文化水平高的人群收入更加穩(wěn)定，并且接受了更加完善的誠信教育，同時，學歷越高的人越能更快接受新型的借貸模式，對于信貸的認識也更為全面。

(四)其他風險評價指標分析

除借款人自身因素與信貸產(chǎn)品的因素之外，P2P平臺的管理能力與社會環(huán)境對P2P的影響也是要考慮的因素。例如，平臺對該借款人的風險控制能力與其后臺的追蹤能力都屬于平臺內(nèi)部的管理風險，它與信貸人本身的特征沒有關(guān)系，但信貸人會根據(jù)平臺所存在的漏洞來尋找各種途徑逾期或者違約。而法律因素更是這一個大環(huán)境中平臺與借貸雙方都必須絕對遵守的。這些指標不同于之前所提到的借款人自身基本能力指標，而是平臺根據(jù)不同借款人的實際情況進行評估衡量的，當然也成為P2P借款人信用風險的關(guān)鍵因素指標。

二、模糊層次模型

(一)層次分析法(AHP)

層次分析法是美國運籌學家薩蒂(T.L.Saaty)于20世紀70年代初期提出的決策方法。它的出現(xiàn)使得定性問題的分析更為簡便和靈活。其通過分析復雜系統(tǒng)所包含的因素及相關(guān)關(guān)系，將問題條理化、層次化，然后將每個層次的各個因素按照一定的標準進行兩兩比較，得到兩因素的重要程度，同時得到判斷矩陣。[3]

(二)模糊綜合評價法(FCE)

模糊綜合評價法是一種基于模糊數(shù)學的綜合評價方法。該綜合評價法根據(jù)模糊數(shù)學的隸屬度理論把定性評價轉(zhuǎn)化為定量評價。[4]

(三)模糊層次分析法(F-AHP)

模糊層次分析法是將層次分析法中的指標分層方法和模糊理論相結(jié)合，借助模糊判斷矩陣實現(xiàn)決策由定性向定量轉(zhuǎn)化，直接由模糊判斷矩陣構(gòu)造模糊一致性判斷矩陣，使判斷的一致性得到解決，然后通過模糊數(shù)矩陣和層次分析法得出的權(quán)重向量計算得到模糊綜合權(quán)重，最后對其排序。[5]該方法能有效表達判斷的不確定性及有效降低專家的個人偏好對打分的影響。同時，判斷矩陣的模糊性彌補了AHP的缺點，簡化了人們判斷目標相對重要性的復雜程度。

(四)模糊層次分析法的步驟

1.風險因素層次分析結(jié)構(gòu)模型的建立

在研究問題的初期，為把問題條理化和層次化，需構(gòu)造出一個層次分析模型。把選出的指標按其屬性進行分層分組，同一層次的元素作為準則對下一層次的某些元素起支配作用，同時又受上一層次某些元素的支配，進而建立如下結(jié)構(gòu)模型[6]：

(1)目標層(A)：只包含一個元素，為既定問題的目標或者理想的結(jié)果。

(2)準則層(B)：包括為實現(xiàn)目標層所涉及的各個準則。

(3)因素層(C)：準則層所闡述的一級指標細分出的二級指標。

2.模糊互補判斷矩陣的構(gòu)造

建立風險因素層次分析結(jié)構(gòu)模型，確定因素層次之間的隸屬關(guān)系，然后構(gòu)造各層次元素的模糊判斷矩陣。做因素間的兩兩比較判斷，采用一個因素比另一個因素的重要程度定量比較，得到模糊判斷矩陣。[7]通常用0.1至0.9九度標法做出因素間的數(shù)量標度，如表1所示。

表1 0.1至0.9九度標法數(shù)量標度

定義1：設模糊矩陣A=(aij)n×n，若矩陣中的元素滿足aij+aji=1，則矩陣A被稱為模糊互補矩陣。

將因素a1,a2,…,an兩兩比較判斷，得到模糊判斷矩陣A?？芍仃嘇=(aij)n×n滿足定義1的條件，可以判斷出公式(1)是模糊互補矩陣。

(1)

3.模糊互補判斷矩陣權(quán)重的計算

定義2：設模糊互補判斷矩陣A=(aij)n×n，利用公式(2)對矩陣A的各行求和，再利用公式(3)做數(shù)學變換。

(2)

(3)

得到模糊一致性矩陣R=(rij)n×n,對矩陣R進行歸一化處理，得到因素排序向量W=(W1,W2,…,Wn)T，其中Wi滿足公式(4)。

(4)

4.模糊互補判斷矩陣的一致性判斷

判斷由公式(4)得到的因素的重要性權(quán)重值是否合理，需要對模糊互補判斷矩陣進行一致性檢驗。當偏移一致性過大時,表明此時加權(quán)向量的計算結(jié)果作為決策依據(jù)是不可靠的。

定義3：設矩陣A=(aij)n×n和B=(bij)n×n均為模糊判斷矩陣,稱公式(5)為A和B的相容性指標。

(5)

定義4：設W=(w1,w2,…,wn)T是模糊判斷矩陣A的權(quán)重向量,其中W滿足公式(6)。

(6)

令Wij滿足公式(7)

(7)

則稱n階矩陣W*[見公式(8)]為模糊判斷矩陣A的特征矩陣，對于決策者的態(tài)度α，當相容性指標滿足公式(9)時，認為模糊判斷矩陣A為滿意一致性的。

W*=(Wij)n×n

(8)

I(A,W*)≤α

(9)

α越小，表明決策者對模糊判斷矩陣A的一致性要求越高，一般可取α=0.1。

5.風險因素層次總排序

在計算出各層各因素之間的權(quán)重之后，將它們的權(quán)重對應到自身，再計算所有元素對于目標層的相對重要性的排序權(quán)重，這個過程是從最高層次開始逐層向低層次進行的。例如，第二層次準則B包含n個風險準則因素B1,B2,…,Bn，其在本層次所占的權(quán)重分別為b1,b2,…,bn，下一層次C包含m個風險因素C1,C2,…,Cm，它們對于因素Bi的層次單排序重要性權(quán)重分別為Ci1,Ci2,…,Cim。C層總權(quán)重向量(c1,c2,…,cm)可以用公式(10)來計算。

(10)

其他層次的權(quán)重也是按照這樣的方法逐層計算，直至最底層為止，可以得到所有風險因素相對于目標層次的權(quán)重排序，即可以實現(xiàn)所有風險因素的重要性排序。

三、P2P借款人信用風險評估模型構(gòu)建

(一)建立層次分析結(jié)構(gòu)模型

通過對P2P網(wǎng)絡借貸平臺信貸人的信用風險進行識別和分析，列出有關(guān)借款人信用風險的一系列因素(如表2所示)。將借款人信用風險指標進行分層和分類后，得到結(jié)構(gòu)模型。

表2 借款人信用風險因素表

(二)指標重要度的數(shù)據(jù)來源

本研究通過對10位熟悉P2P網(wǎng)絡借貸平臺的管理人員和金融借貸行業(yè)的從業(yè)人員進行問卷評分調(diào)查，收集評分表，得出數(shù)據(jù)。

(三)構(gòu)造模糊互補判斷矩陣，進行兩兩比較判別

第二層對第一層的互補比較判斷矩陣為：

第三層對第二層的互補比較判斷矩陣分別為：

(四)模糊互補判斷矩陣權(quán)重的計算

根據(jù)定義2，對矩陣A、B1、B2、B3、B4、B5、B6進行權(quán)重向量的計算：

WA=(0.14,0.173,0.16,0.2,0.2,0.127)

(五)模糊互補判斷矩陣的一致性判斷

根據(jù)定義2，對矩陣A、B1、B2、B3、B4、B5、B6進行特征矩陣的計算：

根據(jù)定義3，分別計算模糊互補矩陣A、B1、B2、B3、B4、B5、B6與其特征矩陣WA*、WB1*、WB2*、WB3*、WB4*、WB5*、WB6*的相容性，得到如下結(jié)果：

I(A，WA*)=0.096<0.1

I(B1，WB1*)=0.081<0.1

I(B2，WB2*)=0.069<0.1

I(B3，WB3*)=0.094<0.1

I(B4，WB4*)=0.085<0.1

I(B5，WB5*)=0.065<0.1

I(B6，WB6*)=0.078<0.1

經(jīng)以上檢驗，所給指標的相容性指標均小于0.1，可以得出經(jīng)上述計算得出的模糊判斷矩陣A、B1、B2、B3、B4、B5、B6是滿意一致的，從而驗證了其權(quán)重WA、WB1、WB2、WB3、WB4、WB5、WB6的分配的合理性。

(六)風險因素層次總排序

根據(jù)計算結(jié)果，將權(quán)重分配到每個因素中，得到表5。

根據(jù)模糊層次分析法中的理論，并應用公式(10)可以計算出最底層的每個風險影響因素的標準的排序向量：

WA=(0.0206，0.0242，0.0252，0.0234，0.0284，0.0182，0.0289，0.0341，0.0265，0.0299，0.0230，0.0306，0.0304，0.0320，0.0384，0.0352，0.0240，0.0450，0.0500，0.0600，0.0450，0.0416，0.0534，0.0484，0.0566，0.0381，0.0361，0.0528)

對以上結(jié)果進行排序，便可以識別出影響借款人信用風險的關(guān)鍵因素。

表4 指標評估標準表

(七)模型解例

在表2所列舉出的借款人信用風險影響因素指標中，存在著一些定性指標，例如性別、婚姻狀況、年齡、學歷等。在前文對逾期借款人的特征分析的基礎上，再對一些定性指標給予適當評估標準，如表4所示。以上標度僅做參考，基于每個平臺的情況不同，可自行制定標度。

如表4所示，給出拍拍貸中三個借款人的指標數(shù)據(jù)，運用P2P借款人信用風險評估模型，便可以選出信用度較高的借款人。

表5 借款人信息表

注：數(shù)據(jù)來源于拍拍貸

把表4、表5中的數(shù)據(jù)換算出數(shù)值，如表6所示。

可以看出，借款人A、B、C的各項指標得分參差不齊，并且由于指標數(shù)量較多，無法直觀分析出他們的信用度，所以將每個指標的分數(shù)與指標的權(quán)重相乘，如表7所示。

通過比較可以看到，借款人B相對于A和C來說信用度最高，最不容易逾期，而借款人A的信用度在A、B、C中是最低的。通過分析結(jié)果還可以看出，目前拍拍貸平臺對于借款人的信息采集指標不夠完善，指標體系中很多指標空缺，導致借款人評分較低，準確度也較低。因此，借款人的信息越完善，評估的準確度就越高，評估模型的評分也會相對較高。

表6 指標換算表

四、建議

通過對借款人信用風險影響因素的分析和模型的建立，可以得到權(quán)重位于前五位的指標是違約情況、平臺貸后對借款人的追蹤程度、平臺對該借款人的初步信用評估準確度、借款人信息共享程度和逾期還款筆數(shù)占總還款筆數(shù)百分比，權(quán)重位于后五位的指標是戶籍狀況、性別、購車情況、婚姻狀況、借款標的?？梢?，平臺自身的管理制度和償債能力的指標是決定借款人信用較為關(guān)鍵的因素，相對來說，借款人自身的基本情況次要得多。綜合以上因素權(quán)重的排序結(jié)果，針對我國P2P借款人的信用風險問題本研究提出相應的建議。

表7 借款人信用風險計算表

(一)平臺提高對借款人信息采集的真實度

提高對借款人信息采集的真實度，是準確預測借款人違約概率大小的前提。表2中的基本屬性指標、償債能力指標、借款者歷史信用指標均屬于對借款人信息采集類的指標。在這些指標中，違約情況位列第一，占整個指標體系權(quán)重的0.06。其次是逾期還款筆數(shù)占總還款筆數(shù)百分比，占總權(quán)重的0.05。對借款人可能違約的影響程度依次為信用卡情況、央行認證情況、收入、債務比率、名下不動產(chǎn)屬性和單位類別等。

借款人完善信息的充分情況與評估結(jié)果正相關(guān)，也就是說，在同等條件下，提供給平臺評估的數(shù)據(jù)越多，越有優(yōu)勢。但如果這些信息中包含大量偽造信息，不但影響評估數(shù)據(jù)的轉(zhuǎn)換，而且影響評估的結(jié)果，不真實的數(shù)據(jù)源只會讓評估結(jié)果不真實。

平臺采集的借款人數(shù)據(jù)的來源，不能只限于借款人，還應包括政府公共部門、合作機構(gòu)、其他電商平臺等，這些數(shù)據(jù)的來源也體現(xiàn)了借款人信息共享的程度。

(二)平臺加強對借款人貸后追蹤力度

通過對P2P借款人信用風險影響因素的權(quán)重分析可知，平臺貸后對借款人的追蹤程度位于所有權(quán)重的第二位。也就是說，平臺對于借款人的控制能力，也是借款人能否按時還款付息的重要原因。本研究前文提到過，借款人成功借款之后，出資人并不知道借款人是否把錢用在當初約定的項目上，不排除借款人為提高投資收益而把錢用在風險更高的項目上，這樣一來，投資人收回貸款的風險可能會加大。如果這時候平臺對借款人進行貸后業(yè)務追蹤，讓借款人提供項目的合格文件或擬辦公司的許可證等可以公開的文件，則是一種比較好的方式。

平臺加強對借款人借款之后的追蹤力度，投資人也可以更加準確地衡量所借貸項目的風險性從而進行決策。

(三)建立大數(shù)據(jù)信息共享模式

我國個人征信系統(tǒng)不完善，信用共享程度也較低，造成借款人信用風險問題突出。因此，建立完整有效的個人征信體系和大數(shù)據(jù)信息共享系統(tǒng)是有效降低借款人違約概率的關(guān)鍵要素。結(jié)合前文對借款人特征的研究，應建立大數(shù)據(jù)信息共享模式，更好地管理和控制借款人信用風險問題。

大數(shù)據(jù)信息的來源可以是各大電商平臺、理財平臺，也可以是移動、聯(lián)通等運營商數(shù)據(jù)庫中的信息數(shù)據(jù)，這些大數(shù)據(jù)再結(jié)合線下借款人自身提供的數(shù)據(jù)，便可以形成一個較為全面的個人信息庫。與傳統(tǒng)的信息采集模式相比，大數(shù)據(jù)信息共享模式有一定的優(yōu)點。一是信息的數(shù)據(jù)來源廣泛，覆蓋全面，并且對于很多在專業(yè)征信體系中沒有信息的群體，大數(shù)據(jù)信息都能覆蓋。數(shù)據(jù)種類豐富多樣，不僅可以反映借款人借貸的數(shù)據(jù)，而且能全面地反映個人的信用情況。二是數(shù)據(jù)時效性、真實性和利用度強，不僅可以動態(tài)反映借款人的信用狀態(tài)變更，而且可以在最短的時間內(nèi)收集到借款人的真實信息，對于借款人在平臺內(nèi)部的認證也可以給其他平臺一個參考。三是大數(shù)據(jù)模式降低了成本。

因此，我國可以建立大數(shù)據(jù)信息共享模式，在提高信息的真實性和有效性的同時，再利用評估模型對借款人的信用風險進行進一步評估和控制。

(四)加大對逾期還款人的懲罰力度

在國內(nèi)，人們經(jīng)常忽視逾期還款的后果，其實逾期還款是降低個人征信度的幕后黑手，導致這種情況普遍發(fā)生的原因是對逾期還款的懲罰力度還不夠。此時就需要依靠法律的力量來對借款人進行約束，例如有的平臺提出若借款人如期還款，則能享受到較低的借款資金成本，但若惡意違約，就需繳納額外的罰息。