基于AHP方法的P2P網(wǎng)貸平臺借款人信用評級研究

葉悅 楊凡 王真 李劍鋒 羅凡特

（中國計量大學(xué)，浙江 杭州 310018）

P2P網(wǎng)貸（Peer-to-Peer Lending）是互聯(lián)網(wǎng)金融的典型模式之一，是指個體和個體之間通過互聯(lián)網(wǎng)平臺實現(xiàn)的直接借貸，區(qū)別于傳統(tǒng)的銀行性金融機(jī)構(gòu)的借貸模式。

本文借鑒國內(nèi)外現(xiàn)有的信用評級指標(biāo)體系，構(gòu)建定性和定量指標(biāo)相結(jié)合的P2P網(wǎng)貸平臺借款人信用評級指標(biāo)體系，并運(yùn)用AHP層次分析法、專家評分法、模糊綜合評價法建立評級模型，并計算借款人的信用評分值。本文的結(jié)構(gòu)安排如下：第1部分總結(jié)現(xiàn)有國內(nèi)外相關(guān)文獻(xiàn)；第2部分確定指標(biāo)體系及其權(quán)重，并建立信用評級模型；第3部分報告一致性檢驗和實證檢驗結(jié)果；第4部分總結(jié)。

一、國內(nèi)外相關(guān)研究

在現(xiàn)有的P2P相關(guān)文獻(xiàn)中，較集中在對網(wǎng)貸平臺和借款人信用風(fēng)險識別的研究。Yaming Zhang（2016）[1]在對我國傳統(tǒng)商業(yè)銀行評估指標(biāo)和信用評級模型進(jìn)行選擇的基礎(chǔ)上，建立了一套對個人信用風(fēng)險控制有指導(dǎo)意義的借貸指標(biāo)體系；Pengcheng Han等（2016）[2]從博弈論的角度出發(fā)，將網(wǎng)絡(luò)信用與保險業(yè)結(jié)合起來，為P2P網(wǎng)絡(luò)信用風(fēng)險控制找到合理的途徑。

李焰等（2014）[3]驗證了借款人的描述性信息（個人經(jīng)歷、性格、品質(zhì)等）對投資人決策人決策的影響；郝鵬東（2015）[4]在比較借鑒國內(nèi)外個人信用評價方法的基礎(chǔ)上，結(jié)合國內(nèi)P2P網(wǎng)貸的特點，建立了相應(yīng)的借款人信用評價指標(biāo)體系和BP神經(jīng)網(wǎng)絡(luò)模型，并利用遺傳算法對模型進(jìn)行優(yōu)化，該模型對平臺的運(yùn)營和管理起到一定的降低風(fēng)險的作用。

他們的研究為后續(xù)的信用評級模型的完善提供了很多有益的借鑒，在現(xiàn)有文獻(xiàn)的啟發(fā)下，本文將進(jìn)一步研究借款人信用指標(biāo)體系和評級模型。相對而言，本文嘗試從以下幾個角度開展研究：

第一，借鑒P2P網(wǎng)貸平臺借款人信用評級指標(biāo)體系，采用定性和定量指標(biāo)相結(jié)合原則，建立信用指標(biāo)體系；

第二，利用層次分析法計算指標(biāo)權(quán)重分值，制定該評級模型的借款人信用評分統(tǒng)一標(biāo)準(zhǔn)；

第三，選取“拍拍貸”上公布的借款人個人信息，借助該模型進(jìn)行評分并給出信用等級。

二、模型構(gòu)建

（一）P2P網(wǎng)貸借款人信用評級指標(biāo)體系

本文基于拍拍貸借貸平臺（http：//m.ppdai.com/）的借款人個人信息指標(biāo)，并在這一基礎(chǔ)上擴(kuò)充部分指標(biāo)，建立P2P借款人信用評級指標(biāo)體系。考慮到數(shù)據(jù)指標(biāo)的可得性與一致性，構(gòu)建包括目標(biāo)層、準(zhǔn)則層、變量層三個層次的借款人信用指標(biāo)體系（如表1所示），其中，準(zhǔn)則層包括個人基本信息、職業(yè)收入情況、資產(chǎn)情況、平臺認(rèn)證情況、信貸情況等5項指標(biāo)，變量層包括借款金額、年利率、期限等19項小指標(biāo)。

表1 P2P借款人信用評級指標(biāo)體系

（二）判斷矩陣及權(quán)重向量的確定和一致性檢驗

本文采用專家分析法確定指標(biāo)之間的相對重要性，在進(jìn)行指標(biāo)間的成對比較時，采用Satty等學(xué)者的9級比例標(biāo)尺[5]（準(zhǔn)則如表2所示），對準(zhǔn)則層和變量層之間的內(nèi)部指標(biāo)的重要程度進(jìn)行兩兩比較，獲得層級內(nèi)部指標(biāo)的相對標(biāo)度值。

根據(jù)以上準(zhǔn)則，在目標(biāo)層“P2P網(wǎng)貸借貸人信用評級”下的準(zhǔn)則層和變量層的指標(biāo)判斷矩陣，以個人基本信息的判斷矩陣為例，見表3。

表3 個人基本信息判斷矩陣

為了進(jìn)一步從判斷矩陣中獲取有效信息，達(dá)到對各指標(biāo)間關(guān)系的量化，本文計算得到各層次指標(biāo)的權(quán)重，分別為準(zhǔn)則層各指標(biāo)權(quán)重以及在準(zhǔn)則層影響下變量層各指標(biāo)權(quán)重，并利用以上計算結(jié)果，獲得目標(biāo)層的綜合權(quán)重。

本文采用和積法計算判斷矩陣的特征向量，具體計算步驟如下：

第一，設(shè)判斷矩陣為A=(aij)n×n，A中指標(biāo)按列歸一化，即求：

經(jīng)過計算，判斷矩陣的C.R.值均小于0.1，通過一致性檢驗。

表4 隨機(jī)一致性指標(biāo)

最終得到P2P借款人信用評級指標(biāo)體系權(quán)重值，見表5。

表5 P2P借款人信用評級指標(biāo)體系權(quán)重值

（三）指標(biāo)評分標(biāo)準(zhǔn)

在信用評級指標(biāo)體系中，根據(jù)我國歷年來的《中國P2P借貸服務(wù)行業(yè)白皮書》[6]及傳統(tǒng)銀行信用評級系統(tǒng)的相關(guān)評分規(guī)則，對變量層的指標(biāo)設(shè)定評分標(biāo)準(zhǔn)，見表6。

表6 P2P借款人信用評級模型評分標(biāo)準(zhǔn)

?

（四）評級模型的評級結(jié)果

根據(jù)信用評級標(biāo)準(zhǔn)，本文選取部分“拍拍貸”網(wǎng)上公布的借款人個人信息，對該模型的評級分值和等級進(jìn)行計算，最終得到以下信用等級和信用分分布情況，見表7。

表7 P2P借款人信用評級等級分布

三、實證研究

在實證過程中，選取拍拍貸的2位借款人的公開信息，以本文的信用評級標(biāo)準(zhǔn)對借款人進(jìn)行信用評級，借款人A的信用分為1.1319，評級結(jié)果為D，借款人B的信用分為2.1423評級結(jié)果為C，評級結(jié)果顯示,本文的信用評級模型得到的評級結(jié)果與拍拍貸官方評級結(jié)果顯示一致。實證結(jié)果表明，該P(yáng)2P借款人信用評級模型具備可行性，可以在一定程度上甄別存在違約風(fēng)險的借款人，為P2P平臺降低違約風(fēng)險。

?

四、結(jié)論

信用評級是借貸服務(wù)中不可或缺的資信憑證，也是投資者進(jìn)行投資的重要決策指標(biāo)。與傳統(tǒng)銀行的客戶信用評級相比，P2P網(wǎng)貸借款人的信用評級尚不成熟，各大P2P網(wǎng)貸平臺沒有公認(rèn)的評級方法，因此有必要繼續(xù)開展關(guān)于研究。

本文采集我國P2P行業(yè)典型代表之一拍拍貸借貸平臺的借款人披露信息數(shù)據(jù)，構(gòu)建合適的網(wǎng)貸借款人信用評級模型，包括5項大指標(biāo)和19項小指標(biāo)，通過指標(biāo)間的重要程度對比，獲得指標(biāo)的判斷矩陣，接著采用和積法獲得指標(biāo)權(quán)重，并對各項指標(biāo)進(jìn)行一致性檢驗。評級模型的評分標(biāo)準(zhǔn)基于已有標(biāo)準(zhǔn)及我國借貸服務(wù)行業(yè)的統(tǒng)計數(shù)據(jù)，設(shè)定的分值具有區(qū)分度，整體的信用評級模型具備應(yīng)用價值，也期望本文的信用評級模型能為P2P網(wǎng)貸平臺借款人的信用評級研究盡綿薄之力。