基于直覺模糊層次分析法的P2P網貸個人信用風險評價研究

王佳歡 賈冀南

摘要：以P2P網貸個人信用風險為研究對象，建立了P2P網貸個人信用風險指標評價體系，利用直覺模糊層次分析法對P2P網貸個人信用風險進行了綜合評價，最后實證分析結果證明，將直覺模糊層次分析法運用在P2P網貸個人信用風險評價方面是可行的。

Abstract： Based on the personal credit risk of P2P online lending， this paper establishes a P2P online lending personal credit risk index evaluation system， and uses the intuitionistic fuzzy analytic hierarchy process to comprehensively evaluate the P2P online lending personal credit risk. Finally， the empirical analysis proves that the intuition is blurred. The analytic hierarchy process is feasible in the P2P online loan personal credit risk assessment.

關鍵詞：個人信用;風險評價;IFAHP

Key words： personal credit;risk assessment;IFAHP

中圖分類號：F724.6 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）07-0001-04

0 ?引言

P2P網貸是以互聯網平臺為基礎，通過將資金需求者和貸款資金提供者聯系到一起，并分別實現融資和理財的一種創新型金融模式。自2005年以來，以Zopa、Lending Club、Prosper等為代表的P2P貸款模式興起之后，迅速風靡全球，截止到2018年10月，我國P2P網貸行業累計成交量已高達7.81萬億元。然而，由于我國的信用評價體系不夠完善，信用危機已成為整個網貸行業面臨最大的挑戰，而眾多網貸平臺缺乏專業的信用評估人員，無法對借款方進行準確而有效的評價。裴平（2017）以大數據征信為視角，構建P2P借款人信用評價模型，并利用貝葉斯網絡和Prosper多維度交易數據檢驗P2P借款人信用評價模型的有效性[1]。賈湖（2016）在分析P2P網貸征信特征的基礎上，通過建立行業特征的個人信用風險評價指標體系，使用支持向量機和GA-BP神經網絡法對個人信用風險進行了評估[2]。于曉紅（2016）根據已有的非均衡少量樣本，分別采用隨機森林分類和回歸算法進行建模討論了各個評價指標的重要性及其與信用風險之間的非線性關系[3]。孫同陽（2015）通過構建決策樹模型，發現當前P2P網貸平臺過度依賴線上認證而忽視信用逾期行為，缺乏動態信用評級所需要的要素，評級體系不具備欺詐識別和自動糾錯的相關機制[4]。對于P2P網貸個人信用分析，以往方法只能從定性或者定量的方面進行分析。然而，評價個人信用時，由于單個人自身的不確定，許多風險不能精確描述，故本文將直覺模糊層次分析法用于P2P網貸個人信用風險評價問題，該方法以直覺模糊集理論為基礎，將定性定量相結合，進而確定各評價指標的權重。

1 ?直覺模糊層次分析法概述

1.1 預備知識 ?直覺模糊層次分析法是通過將直覺模糊數層次分析法相結合的一種評價方法，它將直覺模糊集中隸屬度、非隸屬度、猶豫度思想應用到模糊層次分析法中，有效地解決了模糊環境下猶豫不決和棄權的情況，可以進一步提高評價結果的準確性。

1.2.4 一致性檢驗 ?通過對典型矩陣A'和矩陣A對應的特征矩陣A*的相容性指標I（A'，A*）進行分析，當I（A'，A*）=1時，即認為模糊判斷矩陣A具有一致性，直覺模糊判斷矩陣A的權重分配是合適的。

1.2.5 結果評價 ?假設由P個評價人員對m個指標進行綜合評價，用五級模糊隸屬度表示評價過程中的兩兩比較直覺模糊判斷標度，分別用大寫羅馬數字“I、II、III、IV、V”來描述，且每一個迷糊區間賦予相應的得分區間Vi，（i=1，2，…，5）。在評價過程中，在依據每一區間認可的評價人數占總人數的比例換算成對應的區間向量R，最后目標得分區間Vi、區間向量R和對應指標權重的σ的加權值。

2 ?評價指標體系的構建

本文通過結合我國傳統商業銀行和P2P網貸平臺借款人信用指標體系建立情況，重點分析了互聯網信息特有的風險因素，全面研究了P2P網貸平臺借款人信用風險影響因子，對相應的指標進行增加和刪除，最終根據借款人提供的個人真實信息，構建了本文個人信用評價指標體系，該指標體系主要包括：個人基本信息、個人工作情況、個人經濟情況、借款產品信息、歷史信用記錄、認證情況和還款意愿七個方面。

3 ?實例分析

李某某，男，30歲，研究生學歷，已婚，現居住河北石家莊，居住5年。現在為一所中學教師，目前已經工作6年，其名下有一套90平米住房，沒有私家車，月平均收入5500元，并持有3萬元左右股票。近期李某想購買一臺高檔筆記本電腦，在該平臺上發布了借款信息，借款金額為20000元，借款期限12個月，借款利率9.8%。李某曾經在該平臺借款過2次，并未出現逾期現象，且李某的芝麻信用得分為738，屬于信用極好。他在該平臺已通過身份認證、工作認證、收入認證和實地認證等，且央行征信報告信用良好，無不良信用記錄。手機套餐業務為每月38元，且并未出現手機費和水電氣欠費現象，互聯網上并未有違約記錄，每次互聯網消費幾乎不評論，默認為五星。

3.1 構建P2P網貸個人信用風險評價指標體系，參見表1。

3.2 一級指標權重確定（A-B） ?設專家對一級指標相對于目標層對的重要性進行兩兩比較，得出直覺模糊判斷矩陣：（式（2））

通過對比可以發現84.32處于[80，90）之間，說明李某的個人信用等級處IV級，其個人信用整體水平相對良好，無論是從還款能力還是還款意愿方面都比較穩定。但同時還應注意的是，李某的個人信用離V級還是有一段距離，P2P網貸平臺如果對其放款，還應對其進行一定的風險防范。

4 ?結論

由于P2P網貸個人信用風險評價指標具有較強的復雜性和不確定性，主觀評價法或者其他方法不能全面滿足P2P網貸個人信用風險評價的要求，因此本文通過利用直覺模糊層次分析法對P2P網貸個人信用風險進行評價，實證結果表明該方法通過引入猶豫度，可以更好地對P2P網貸個人信用風險進行評價。

參考文獻：

[1]裴平，郭永濟.基于貝葉斯網絡的P2P網貸借款人信用評價模型[J].中國經濟問題，2017（02）：29-41.

[2]賈湖，張聞洲.P2P視角下的個人信用風險評價研究[J].甘肅科學學報，2016，28（05）：130-134，147.

[3]于曉虹，樓文高.基于隨機森林的P2P網貸信用風險評價、預警與實證研究[J].金融理論與實踐，2016（02）：53-58.

[4]孫同陽，謝朝陽.基于決策樹的P2P網貸信用風險評價[J].商業經濟研究，2015（02）：81-82.

[5]徐澤水.直覺模糊信息集集成理論及應用[M].北京：科學出版社，2008.

[6]高紅云，王超，哈明虎.直覺模糊層次分析法[J].河北工程大學學報（自然科學版），2011，28（04）：101-105.