基于Logistic模型的大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸個(gè)人信用評(píng)分研究

梁心怡

摘要：近年來(lái)，隨著網(wǎng)絡(luò)借貸平臺(tái)走進(jìn)人們的生活，信用風(fēng)險(xiǎn)嚴(yán)重影響著網(wǎng)絡(luò)借貸平臺(tái)的發(fā)展。其中，個(gè)人信用風(fēng)險(xiǎn)在我國(guó)消費(fèi)信貸中是影響力最大的。它在造成借貸平臺(tái)資產(chǎn)的不良和資產(chǎn)泡沫化的形成的同時(shí)還會(huì)對(duì)消費(fèi)信貸的發(fā)展有嚴(yán)重的影響。一個(gè)合理的信用風(fēng)險(xiǎn)評(píng)估存在是非常必要的，建立一套比較有效的個(gè)人信用評(píng)估標(biāo)準(zhǔn)是迫在眉睫。

本文的研究目的是希望通過(guò)統(tǒng)計(jì)分析，結(jié)合大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸的個(gè)人信用數(shù)據(jù)，通過(guò)定性和定量分析建立適合大學(xué)生的個(gè)人信用評(píng)分模型。

關(guān)鍵詞：網(wǎng)絡(luò)消費(fèi)信貸 大學(xué)生信用 個(gè)人信用評(píng)分 Logistic回歸模型

一、大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸的現(xiàn)狀

（一）大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸信用風(fēng)險(xiǎn)的現(xiàn)狀

網(wǎng)絡(luò)消費(fèi)信貸是近年來(lái)發(fā)展迅猛的一種消費(fèi)信貸方式，更是當(dāng)前高校大學(xué)生的一種主要消費(fèi)方式。作為消費(fèi)信貸的重要參與者，大學(xué)生的信貸消費(fèi)主要集中在數(shù)碼電子產(chǎn)品、學(xué)習(xí)生活消費(fèi)、休閑娛樂(lè)消費(fèi)、創(chuàng)業(yè)消費(fèi)四個(gè)主要方面。但大學(xué)生生活來(lái)源單一，投資心態(tài)不成熟，看重小額靈活、低成本消費(fèi)的特點(diǎn)，也使得互聯(lián)網(wǎng)消費(fèi)信貸對(duì)高校大學(xué)生產(chǎn)生了很多不良影響，存在盲目沖動(dòng)消費(fèi)，相互攀比等問(wèn)題。

（二）大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸所存在的問(wèn)題

根據(jù)本文為研究所收集到的來(lái)自于北京理工大學(xué)珠海學(xué)院的325份問(wèn)卷所得，54%的大學(xué)生每月月均生活費(fèi)少于1500元，46%的受訪(fǎng)學(xué)生每月生活費(fèi)超過(guò)1500元。但據(jù)問(wèn)卷顯示，大學(xué)生使用額度大于1000元的達(dá)到56%，表明大學(xué)生花錢(qián)的“理想”和缺錢(qián)的“現(xiàn)實(shí)”落差頗大，由此看出，許多大學(xué)生高估了自身還款能力。據(jù)此，本文對(duì)大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸情況進(jìn)行一系列分析后，發(fā)現(xiàn)存在以下這些問(wèn)題：第一，網(wǎng)絡(luò)消費(fèi)信貸門(mén)檻低；第二，網(wǎng)絡(luò)消費(fèi)信貸監(jiān)管缺位；第三，大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸的認(rèn)識(shí)很淺且金融安全意識(shí)還很薄弱。

對(duì)此，我們迫切需要建立一套反映大學(xué)生消費(fèi)信貸風(fēng)險(xiǎn)情況的個(gè)人信用評(píng)分模型，通過(guò)對(duì)大學(xué)生個(gè)人信用狀況進(jìn)行打分，直觀地審視每一位大學(xué)生的信用情況，并及時(shí)監(jiān)測(cè)其信用行為，防止違約情況出現(xiàn)。

二、大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸個(gè)人信用風(fēng)險(xiǎn)實(shí)證分析

（一）指標(biāo)體系的建立與分析

用于建立個(gè)人信用評(píng)分模型的樣本數(shù)據(jù)應(yīng)能夠代表大學(xué)生使用網(wǎng)絡(luò)消費(fèi)信貸的大部分學(xué)生的數(shù)據(jù)，同時(shí)我們也要能夠充分的考慮大學(xué)生的各項(xiàng)具體特征來(lái)確定我們所需要的指標(biāo)變量，并對(duì)定性指標(biāo)通過(guò)賦值進(jìn)行量化分析。

1.樣本數(shù)據(jù)的選擇原則。 樣本數(shù)據(jù)是建立模型的前提，根據(jù)國(guó)內(nèi)外大量的文獻(xiàn)研究表明，如若利用Logistic回歸建立個(gè)人信用評(píng)分模型，而樣本數(shù)量卻小于100，可能會(huì)導(dǎo)致樣本不具有代表性，沒(méi)有任何的參考價(jià)值，從而導(dǎo)致得出的模型擬合效果不理想，存在一定的風(fēng)險(xiǎn)；而當(dāng)樣本數(shù)據(jù)大于300的時(shí)候，所得出的模型擬合效果就相對(duì)比較準(zhǔn)確。因此，本文在考慮樣本數(shù)據(jù)時(shí)把發(fā)放問(wèn)卷數(shù)量設(shè)定為350份。

2.樣本數(shù)據(jù)的采集。本文建模所使用的數(shù)據(jù)為我們5月11日在北京理工大學(xué)珠海學(xué)院隨機(jī)選取學(xué)生發(fā)放問(wèn)卷進(jìn)行調(diào)查得到的大學(xué)生使用網(wǎng)絡(luò)消費(fèi)信貸的數(shù)據(jù)。本文一共發(fā)放了350份問(wèn)卷，其中無(wú)效的樣本數(shù)據(jù)為25份，有效的為325份。其中，選取300組樣本數(shù)據(jù)用于建模，其余剩下的25份用于檢驗(yàn)。所選選取的300組建模樣本數(shù)據(jù)分為兩部分，其中有逾期記錄及違約的樣本為50組，無(wú)逾期記錄即履約的有250組，履違約比為5：1。

3.指標(biāo)變量的設(shè)置和量化。考慮到數(shù)據(jù)的可得性首先結(jié)合了國(guó)內(nèi)外普及的“5C”原則挑選了是否曾經(jīng)作弊，生活費(fèi)，家庭負(fù)債情況是否影響收入，還款占收入比這四個(gè)相對(duì)應(yīng)的變量，并結(jié)合其他考慮的因素，再引入性別，使用額度，還款期限、逾期記錄這四個(gè)變量，共八個(gè)變量進(jìn)行建模。其中逾期記錄作為因變量，其余七類(lèi)與大學(xué)生網(wǎng)絡(luò)消費(fèi)信用評(píng)分緊密相關(guān)的指標(biāo)變量為自變量，并一一對(duì)指標(biāo)變量進(jìn)行量化處理。如表1所示：

（二）個(gè)人信用評(píng)分模型的建立

1.變量的篩選。首先對(duì)選定的300組樣本數(shù)據(jù)進(jìn)行單變量Logistic回歸分析，剔除與履約行為無(wú)明顯關(guān)系的指標(biāo)變量。從單變量回歸分析結(jié)果顯示，生活費(fèi)、家庭負(fù)債情況是否影響收入、使用額度，這三個(gè)變量均未通過(guò)顯著性檢驗(yàn)Sig<0.05，不能拒絕方程的原假設(shè)，說(shuō)明這三個(gè)變量與因變量逾期記錄（大學(xué)生履約情況）不顯著相關(guān)，因此剔除這三個(gè)指標(biāo)。同時(shí)需要對(duì)變量進(jìn)行多重共線(xiàn)性檢驗(yàn)，剔除存在嚴(yán)重多重共線(xiàn)性的變量。相關(guān)矩陣表結(jié)果顯示系數(shù)都不大于0.8，我們可以初步粗略的判斷出這7個(gè)變量之間不存在嚴(yán)重的多重共線(xiàn)性。

為了進(jìn)一步確定各變量之間是否存在多重共線(xiàn)性，對(duì)模型進(jìn)行多重共線(xiàn)性檢驗(yàn)。結(jié)果顯示所有變量的容忍度較高均大于0.1，膨脹因子很小均小于10，因此認(rèn)為方程這7組變量之間不存在嚴(yán)重的多重共線(xiàn)性，不會(huì)對(duì)最終建立的個(gè)人信用評(píng)分模型產(chǎn)生嚴(yán)重影響。

2.Logistic回歸模型的建立。將以上三個(gè)變量剔除后，對(duì)剩下保留的性別，是否曾經(jīng)作弊，還款期限，還款收入比這4個(gè)變量再進(jìn)行Logistic回歸，建立Logistic回歸模型：

由測(cè)試的25個(gè)學(xué)生的信用評(píng)分所示，我們可以看到，曾經(jīng)作弊的次數(shù)較少甚至是沒(méi)有的學(xué)生信用風(fēng)險(xiǎn)低，信用分較高；選擇的還款期限均在6個(gè)月內(nèi)包括即期還款的學(xué)生比還款期限在6個(gè)月以上的學(xué)生信用風(fēng)險(xiǎn)要低，信用分相對(duì)高；

而還款占收入比在20%以下的學(xué)生也比還款占收入比較大的學(xué)生信用分高。

三、研究結(jié)論

本文從logistic回歸出發(fā)，以北京理工大學(xué)珠海學(xué)院300位學(xué)生的問(wèn)卷調(diào)查為樣本數(shù)據(jù)，對(duì)大學(xué)生網(wǎng)絡(luò)消費(fèi)信貸中存在的風(fēng)險(xiǎn)，做了定性分析與定量研究。

在研究中，發(fā)現(xiàn)性別，是否曾經(jīng)作弊，還款期限，還款占收入比這4個(gè)因素對(duì)模型有著顯著影響。其后，我們通過(guò)Logistic回歸模型建立了大學(xué)生個(gè)人信用評(píng)分模型，得到了一套屬于大學(xué)生個(gè)人信用評(píng)分的計(jì)算公式。根據(jù)該計(jì)算公式，我們能夠憑借每一位大學(xué)生的個(gè)人情況及消費(fèi)情況，通過(guò)模型快速直觀地觀察到其相對(duì)應(yīng)的信用評(píng)分，有利于控制大學(xué)生信用風(fēng)險(xiǎn)。最后利用的額外樣本數(shù)據(jù)，檢驗(yàn)了模型的準(zhǔn)確度，結(jié)果表明模本文的信用分模型能較好地反映大學(xué)生的信用狀況，并為有效監(jiān)管大學(xué)生的信用風(fēng)險(xiǎn)提供了一定的支持。

參考文獻(xiàn)：

[1]李揚(yáng).基于Logistic回歸的建設(shè)銀行S市分行消費(fèi)信貸風(fēng)險(xiǎn)研究[D].2012.

[2]張國(guó)政，姚珍，楊亦民，基于Logistic回歸的農(nóng)戶(hù)小額信貸風(fēng)險(xiǎn)評(píng)估實(shí)證研究[J].財(cái)會(huì)月刊，2016，（27），pp.63-66CNKI.

[3]周瑩，我國(guó)商業(yè)銀行個(gè)人消費(fèi)信貸業(yè)務(wù)風(fēng)險(xiǎn)評(píng)估研究[D].北京林業(yè)大學(xué). 2011CNKI.

[4]汪莉，基于Logistic回歸模型的中小企業(yè)信用評(píng)分研究[D].合肥工業(yè)大學(xué) 2008CNKI.

[5]吳麗麗，基于Logistic回歸模型的商業(yè)銀行信用風(fēng)險(xiǎn)管理研究[D].哈爾濱工業(yè)大學(xué) 2007CNKI.

（作者單位：北京理工大學(xué)珠海學(xué)院會(huì)計(jì)與金融學(xué)院）