基于logit模型的P2P公司的個人信貸風險評估

陳鹿婧 楊青驥 孫超凡 汪小燕

摘 要：以違約的概率作為信用評估風險衡量標準，構建P2P機構的借款人信貸風險的logit模型，并對模型進行實證分析。結果表明，貸款金額，貸款期限，已還金額比，近期還款額這四個指標對借款人信貸違約風險的影響最為明顯。通過進一步驗證，證明借款人信貸風險的logit模型在對P2P機構的借款者信貸評估上具有較高的準確性，可以作為P2P企業內部風險控制的根據。

關鍵詞：P2P公司 信用評估 風險控制 logit模型

創新項目：上海金融學院推薦2015度年上海市大學生創新活動計劃。

一、引言

“P2P”是英文peer to peer的簡寫形式。P2P的基本定義是一種依附于互聯網信息平臺和個體電子設備的新型金融中介服務模式。這種借貸模式起源于英國，2005年之后迅速在全世界范圍內推廣.

在中國，從2007年首家P2P公司拍拍貸成立，到2010年全國僅10家，再到現在全中國共有2595家P2P網絡貸款公司。隨著我國P2P市場的不斷壯大，問題平臺的比重也隨之逐步上升。根據2015年的數據顯示，全國的2595家網貸公司中有896家屬于問題平臺，占總數的34.5%，較2014年翻了一倍。金融秩序也由此受到的不同程度上負面的影響，所以P2P公司內部的風險控制顯得至關重要。我國P2P公司的內部風險主要分為以下三種：由于借款者道德缺失而引發的信用風險、由于網絡技術失控引發的操作風險、由于交易的局限性而導致的流動性風險。而對內部風險影響最大的當屬信用風險，信用危機的爆發與否將直接影響到P2P公司能否正常運作。

在識別和防治信用風險的過程當中，P2P企業如何對借款人進行篩選成為了重要的控制節點。當前的P2P企業使用的借款人評估系統還很大程度上借鑒傳統金融機構如銀行的評估方法。這就導致了對風險的誤判，因為兩者的目標客戶群的信用特征存在較大差異。比如銀行的借款人普遍貸款金額大，信用數據充分，且對銀行有抵押物。而P2P公司的借款金額小而分散，信用信息不全面等。所以，僅照搬銀行等大型金融機構的信用評估體系是無法有效控制P2P公司此類風險。那么利用借款人提供的信息，構建風險評估模型，準確地預測借款人的還款能力，對控制和化解P2P企業的風險，提高P2P企業風險管理水平具有重要的現實意義。

目前風險評估模型主要有線性概率模型、多元判斷分析模型和logit模型。本文以違約的概率作為信用評估風險的衡量標準，構建信用評估的logit模型，以美國著名P2P公司Lending Club的客戶借款信息為樣本進行實證分析，結果表明Logit模型具有非?？尚诺淖R別、預測和推廣性，是P2P公司個人信貸風險評估的有效工具。

二、模型建立

1.數據來源

本文通過對Lending Club 公開在網上的客戶借款相關個人信息數據以及還款與否的最終結果進行調研，掌握最新的公開數據資料，并選取2015年的30萬份數據中里的3.5萬份作為樣本，剔除了一些信息缺失的樣本，最終用30412樣本個作為實證分析的數據材料。

2.模型的建立

運用Logit模型的基本思路是：以借款人個人信用信息作為不同的自變量，違約事件發生的情況作為因變量（違約取值為1，履約取值為0），變量之間呈現非線性的關系。通過將數據代入SPSS軟件中，進行logit回歸分析，來測量出自變量和因變量之間的關系，從而得到預測個人違約率的重要指標，最終實現對P2P平臺中借款人信用風險的識別。

3.信貸評價指標的構建

本文結合中國P2P市場的實際情況，根據借款人信息對投資人決策的影響程度[1-2]，將借款人的信貸指標分為以下三大類（借款情況，個人特征值，信用相關記錄），共14個指標。（見表1）

4.Logit模型的應用及分析

因為每位借貸的客戶狀態可以分為如期歸還借貸即履約與無法如期歸還借貸即違約兩種，下面具體研究每位客戶履約與違約的概率。設變量y表示每位借貸的客戶狀態，當y=1時，違約；當y=0時，履約；我們所要研究的是 。

logit回歸方法建立信用評估模型如下[3]：

根據表2可得預測模型如下：

結合各參數的Wald檢驗的p值可知，貸款金額，貸款期限，已還金額比，近期還款額是影響還貸與否的重要指標。由表2得到回歸系數對應的P值均小于0.005，故該系數可信度高。

6.模型的準確性

根據還款和未還款者相關數據，以上述模型計算違約概率（四舍五入保留兩位小數），設定0.05為違約臨界點，當違約概率大于0.05時，可判斷該借款人為高風險違約客戶。反之，當違約概率小于等于0.05時，可判斷該借款人為履約客戶。以樣本數據代入模型得出預測值與實際結果的比較如表3。

從表3可觀察得知，對于履約（y=0），預測的正確率為96.6%，對于違約（y=1），預測的正確率為96.1%，整個預測模型的正確率為96.5%。所以該模型能夠較好的預測借款人的信貸風險，從而可以幫助P2P企業進行有效的內部風險控制。

三、結論

本文通過P2P市場的實際情況，優選影響個人信用狀態的指標作為自變量，違約事件是否發生作為因變量，構建了P2P信貸風險的logit模型，利用約3.5萬份客戶的信息與數據進行了實證分析，得出以下結論：

1.本文的logit信貸風險評估模型能夠有效預測個體客戶的違約風險程度，為降低P2P公司的壞賬率提供較高準確率的分析依據。與此同時，該模型也為P2P公司管理者如何加強內部風險管理，降低財務危機的發生提供有借鑒意義的參考方法。

2.在logit信貸風險評估模型中，與違約概率相關的重要指標為貸款金額，貸款期限，已還金額比，近期還款額四個。而其余八個指標（包括貸款首付金額，工作年限，房產情況，年收入，月供比例，詢問次數，信用卡數，信用額度，信用額度比，信用卡實際數）也應作為P2P網貸公司對與借款人信用評分表中的必備指標。P2P公司還應圍繞自己公司對風險的偏好，以及目標客戶的個人特征值，針對自己公司的具體情況來對信用評估指標的進行增減，從而達到對違約客戶的識別度精確化。

參考文獻

[1] 李焰，高弋君，李珍妮，才子豪，王冰婷，楊宇軒. 借款人描述性信息對投資人決策的影響[J].基于P2P網絡借貸平臺的分析. 2014年S1期.

[2] 王會娟，廖理. 中國P2P網絡借貸平臺信用認證機制研究[J].來自“人人貸”的經驗證據. 2014年04期.

[3] 范金城 梅長林.數據分析[R].北京.科學出版社.2005.