民族地區(qū)互聯(lián)網(wǎng)金融組合模型建構及實證研究

馬 瑜

（對外經(jīng)濟貿(mào)易大學，北京，100029）

一、民族地區(qū)互聯(lián)網(wǎng)金融發(fā)展現(xiàn)狀及必要性分析

（一）民族地區(qū)互聯(lián)網(wǎng)金融發(fā)展現(xiàn)狀分析

隨著民族地區(qū)互聯(lián)網(wǎng)的普及，我國民族地區(qū)互聯(lián)網(wǎng)金融不斷發(fā)展的同時，也面臨著一些問題。以下從我國民族地區(qū)互聯(lián)網(wǎng)金融的需求和供給現(xiàn)狀兩個方面進行了分析闡述。

1.需求現(xiàn)狀分析

我國少數(shù)民族聚居地以貧困山區(qū)為多，經(jīng)濟發(fā)展相對落后，主要以山體經(jīng)濟為主。民族地區(qū)民眾的借貸模式正在從僅僅為了滿足生活的需要，向既滿足生活的需要又要滿足生產(chǎn)的需要的方向轉(zhuǎn)變。根據(jù)調(diào)查顯示，我國民族地區(qū)用于農(nóng)業(yè)生產(chǎn)的資金投入和民族地區(qū)人民的總體資金投入正逐年增加。一方面，雖然受到文化水平的限制，民族地區(qū)的民眾對于互聯(lián)網(wǎng)知識以及各種金融產(chǎn)品的認識較少，但是他們對于生產(chǎn)貸款的需求度較高。再加上民族地區(qū)大多以農(nóng)業(yè)為主，受季節(jié)性的影響較大，因此其貸款也呈現(xiàn)出周期性的特點。另一方面，雖然民族地區(qū)的企業(yè)在經(jīng)營過程中受到自然環(huán)境的影響，存在相對高的風險，但是這些企業(yè)的生產(chǎn)和經(jīng)營通常需要較多的資金支持，因此貸款金額也較大。整體看來，互聯(lián)網(wǎng)金融在我國民族地區(qū)的需求度比較高。

2.供給現(xiàn)狀分析

我國少數(shù)民族呈現(xiàn)“大雜居小聚居”的居住特點，居住范圍廣，相對分散。對于國有性質(zhì)的傳統(tǒng)銀行而言，需要較高的運營成本。因此，我國民族地區(qū)國有銀行普遍具有網(wǎng)點少、產(chǎn)品種類少、分布較為分散的特點，不少銀行對于貸款態(tài)度過于謹慎，這顯然不能滿足少數(shù)民族地區(qū)的金融市場需求。從互聯(lián)網(wǎng)金融方面來看，我國民族地區(qū)的發(fā)展程度也遠遠落后于其他較為發(fā)達的地區(qū)。未來，互聯(lián)網(wǎng)金融必將會在我國民族地區(qū)得到更好的發(fā)展，為民族地區(qū)民眾提供更多的支持。

（二）民族地區(qū)互聯(lián)網(wǎng)金融發(fā)展的必要性分析

1.發(fā)展互聯(lián)網(wǎng)金融，是加快我國民族地區(qū)經(jīng)濟發(fā)展的內(nèi)在要求。一方面，大力發(fā)展互聯(lián)網(wǎng)金融，借助眾籌和P2P等方式可以打破時間和空間的限制，將經(jīng)濟較為發(fā)達地區(qū)的社會資源和資金進行合理的調(diào)動，使其在民族地區(qū)的經(jīng)濟發(fā)展中發(fā)揮作用。另一方面，發(fā)展互聯(lián)網(wǎng)金融，利用大數(shù)據(jù)的優(yōu)勢可以改變民族地區(qū)粗放的扶貧模式，運用大數(shù)據(jù)對少數(shù)民族地區(qū)的人群進行科學的調(diào)查分析，找到貧困的根源，總結其貧困的特點，從而制訂合理有效的扶貧計劃，幫助民族地區(qū)民眾脫離貧困，促進民族地區(qū)的經(jīng)濟發(fā)展。

2.發(fā)展互聯(lián)網(wǎng)金融，是推動民族地區(qū)實現(xiàn)普惠金融的需要。普惠金融最重要的一個目標就是克服金融排斥，讓相對落后地區(qū)的貧困人群與其他地區(qū)一樣享受平等的金融服務。目前，我國少數(shù)民族地區(qū)的銀行網(wǎng)點個數(shù)遠遠不及其他經(jīng)濟較發(fā)達的地區(qū)，存在嚴重的地域歧視。發(fā)展互聯(lián)網(wǎng)金融能夠為少數(shù)民族地區(qū)的民眾提供高效便捷的服務，既減少了他們出門辦業(yè)務的麻煩，又在一定程度上降低了他們理財?shù)拈T檻，為民族地區(qū)的民眾帶來極大的便利。除此之外，發(fā)展互聯(lián)網(wǎng)金融還可以對民族地區(qū)的企業(yè)進行信用信息的收集和分析，從而建立有效的風控機制。

3.發(fā)展互聯(lián)網(wǎng)金融，是民族地區(qū)金融機構改革的需要。目前，一方面我國民族地區(qū)的金融機構所開發(fā)的金融產(chǎn)品與民族地區(qū)產(chǎn)業(yè)的適應性較差，導致民眾的融資需求難以得到滿足。另一方面，現(xiàn)有的風險評估模型存在一定的不足，不能對民族地區(qū)的貸款企業(yè)進行精準的評估。這樣就導致民族地區(qū)的金融機構只愿意貸款給資產(chǎn)較為雄厚的企業(yè)，而資產(chǎn)相對薄弱的中小型企業(yè)得到的資金支持較少。發(fā)展互聯(lián)網(wǎng)金融勢必會給傳統(tǒng)金融機構帶來一定的壓力，不僅有助于促進民族地區(qū)的金融機構進行產(chǎn)品創(chuàng)新，而且有助于促進其改革信貸配給制度下的風險評估模型，使農(nóng)村金融排斥問題得到有效的緩解。

二、民族地區(qū)互聯(lián)網(wǎng)金融組合模型的建構步驟

面對我國民族地區(qū)特殊的文化環(huán)境，在互聯(lián)網(wǎng)金融發(fā)展的同時，應該更加重視風險的控制。通過構建科學合理的互聯(lián)網(wǎng)金融組合模型，并將其運用于互聯(lián)網(wǎng)金融產(chǎn)品的開發(fā)和投資等方面，可以有效降低風險，實現(xiàn)投資組合的優(yōu)化，獲得更多收益。

（一）用戶數(shù)據(jù)的獲取

進行信用評估，首先要獲得有效的用戶數(shù)據(jù)，模型的規(guī)則很大程度上就是用戶數(shù)據(jù)的規(guī)則。信息的緯度具有廣泛性，既包含用戶的基本信息，又包含用戶的行為、信用、社交以及消費等方面的信息。相應的，獲取信息的渠道也很多，除了經(jīng)常使用的用戶提交、爬蟲和信息購買等，還包括接口用戶授權以及黑白名單等。

（二）用戶數(shù)據(jù)變量的確定

對收集得到的大量用戶數(shù)據(jù)進行篩選，去掉無效的數(shù)據(jù)，對有效的用戶數(shù)據(jù)進行變量計算權重的分配，從而確定變量和分配權重。通常，在進行用戶信息收集之前，就應該將用戶變量和各自的權重考慮好，因為需要事先確定好用戶需要填寫的信息，然后才能借助定義規(guī)則來確認這些信息的變量和各自的權重。這些用戶變量和權重并不是哪個人可以隨便確定的，他們一般是由企業(yè)的權威專家或?qū)I(yè)團隊來確認的。

（三）對指標分數(shù)進行調(diào)整并給出評分

在民族地區(qū)互聯(lián)網(wǎng)金融組合模型建立的后期，需要將收集到的用戶個人信息帶入到模型中進行測試。之前只是針對每個指標建立了評分規(guī)則，然而對于市場來說，這些規(guī)則是否真正能夠適用還是未知的。因此，必須要在模型建立的后期，進行規(guī)則的自我測試，通過反復測試，不斷調(diào)整各指標的評分，從而盡可能地保證模型的準確性。

（四）產(chǎn)品上線，對模型進行驗證

產(chǎn)品上線是對之前所建構的模型進行的終極檢測，具有很大的風險性，也正因如此，許多金融產(chǎn)品在上線的初期并不會進行大規(guī)模的產(chǎn)品宣傳和運營。這個時期金融產(chǎn)品可能會經(jīng)歷一些攻擊者的進件攻擊，一旦發(fā)生將面臨對產(chǎn)品的下架處理，因此，在產(chǎn)品上線后一段時間內(nèi)，要充分考慮到可能面臨的危機，盡量降低風險，比如，可以通過活體檢測過濾掉一些惡意欺詐人群。而對于民族地區(qū)的用戶而言，日常的信用記錄關系到自身的信用評分，當模型工作時，會根據(jù)既定的程序從個人的信用檔案中調(diào)取數(shù)據(jù)進行運算，使用戶信用評分產(chǎn)生高低變化，從而對個人的信貸資格和信貸額度產(chǎn)生影響。

三、基于風險控制的民族地區(qū)互聯(lián)網(wǎng)金融組合模型的建構

于此本文通過分析網(wǎng)貸平臺用戶的個人信息、行為、消費等，探究與用戶借貸利率之間的關系，并進行實證分析，從而有助于投資者實現(xiàn)投資組合的優(yōu)化，合理做出投資決策。

（一）模型的設計和假設

首先，在對民族地區(qū)網(wǎng)絡借貸平臺上貸款人的行為特點，以及目前網(wǎng)絡借貸平臺交易特點研究分析的基礎上，確定從借貸標的特點，借貸人的特征，之前的借貸行為，借貸人的信用等四個維度展開分析，并設計出理論模型。

第二，以借貸人的借貸成本為例列出實證分析的三條假設：

Q1：借貸的金額越小，借貸成本越低。

Q2：年齡越小的女性，借貸成本越低。

Q3：借貸人信用等級越高，借貸成本越低。

（二）數(shù)據(jù)的獲取和處理

由于無法從網(wǎng)貸平臺的后臺獲取基本數(shù)據(jù)，因此我們使用數(shù)據(jù)挖掘的方法，借助網(wǎng)絡爬蟲技術來獲取我們想要的信息。由此，我們不僅可以得到用戶的個人信息，用戶的借入和借出信用得分、還可以獲得詳細的標的信息等等。最終經(jīng)過長時間的數(shù)據(jù)記錄和整理，我們共獲得了超過六萬條的信息。在對前期相關文獻的研究基礎上，依據(jù)所建立的理論模型的特點，結合網(wǎng)絡信貸平臺自身的特征，我們確定了將借貸人往期借貸記錄和信用、借貸人信息、借貸標等變量作為指標，并對其進行數(shù)據(jù)處理和賦值，最后統(tǒng)一進行數(shù)據(jù)的解析，得到了詳細的樣本數(shù)據(jù)。

（三）對數(shù)據(jù)進行統(tǒng)計分析

通過軟件進行數(shù)據(jù)統(tǒng)計和分析后發(fā)現(xiàn)，借貸人數(shù)中男性的人數(shù)明顯多于女性。而對于受教育程度的統(tǒng)計發(fā)現(xiàn)，借貸者中擁有大專學歷的人數(shù)最多，其次是擁有本科學歷的人數(shù)，人數(shù)較少的是擁有研究生及以上學歷的。從這一點可以看出，使用網(wǎng)絡借貸平臺的用戶文化水平較高，這與民族地區(qū)互聯(lián)網(wǎng)的普及程度密切相關。從對網(wǎng)貸用戶的年齡統(tǒng)計分析結果中可以看出，大多數(shù)的用戶年齡處于20-40歲之間，同時，40歲以上的用戶人數(shù)占比較以往數(shù)據(jù)有所提升，這說明民族地區(qū)網(wǎng)貸用戶以年輕人為主，老年人互聯(lián)網(wǎng)普及程度有所提高。

通過對信貸標的數(shù)據(jù)進行統(tǒng)計分析發(fā)現(xiàn)，年利率超過20%的信貸標較多，信貸金額大多小于一萬元，從一百元到五十萬元不等?？偟膩碚f，網(wǎng)貸平臺的特點是周期短、金額小，以年輕的用戶為主，擁有較高的文化水平和借貸成功率。

為了使統(tǒng)計結果更加精準，防止某個單一因素的樣本過多導致的結果偏差，我們對樣本的多樣性也進行了統(tǒng)計分析。在所有的借貸標樣本中，成功標的數(shù)目占到了總體的82.3%，符合借貸平臺官方發(fā)布的成功率數(shù)據(jù)。此外，在風險收益方面，樣本也符合多樣性的要求，主要集中在中風險收益區(qū)，高低風險收益區(qū)的標分布比較分散。

四、基于風險控制的民族地區(qū)互聯(lián)網(wǎng)金融組合模型的實證研究

（一）影響因子指標體系

數(shù)據(jù)統(tǒng)計顯示，民族地區(qū)網(wǎng)絡借貸的借貸標年利率比較高，從對成功借貸標的數(shù)據(jù)分析可以看出，平均借貸年利率在18%左右，最高年利率能夠達到24%，這遠遠高于傳統(tǒng)銀行的定期年利率。網(wǎng)絡借貸具有一定的兩面性，不僅給民族地區(qū)用戶帶來極大地便利，同時借貸成本也比較高。通過對借貸人借貸年利率的分析，可以得出借貸人所愿意付出的年利率的基本影響因素。首先，我們對數(shù)據(jù)進行處理，將數(shù)據(jù)按年齡段分為四個部分并分別對其進行從0-3的賦值。通過對于數(shù)據(jù)的統(tǒng)計和分析，排除對結果干擾性不大的因素，從而獲得較為精準的借貸利率影響因素指標體系，如下表4.1所示：

（二）線性回歸模型和方法

在對借貸標的成本進行分析時，考慮到其受到多個因素的作用，變量比較多，因此我們采用的是多元性回歸模型來判定多個變量。其基本公式如公式4.1所示：

X 是解釋變量，γ是影響系數(shù)，σ是常量。

表4.1 借貸成本影響因子指標體系

逐個分析變量對結果的影響程度，從而排除干擾，得到影響程度更大的變量，還要把獲得的結果帶入方程驗證，剔除干擾因子。最后，重復將新變量因子帶入方程的步驟，最終得到更加準確的結果。

（三）檢測變量因子

繼續(xù)對變量因子進行回歸檢測，對每個因子的各項參數(shù)進行記錄和整理，我們可以獲得多元線性逐步回歸模型摘要。通過對摘要中變量因子和其各項參數(shù)的進一步分析，可以對影響民族地區(qū)網(wǎng)貸年利率的變量因子進行進一步排除，從而獲得關聯(lián)性更強的幾個變量因子，它們分別是：借貸用戶的年齡、性別、信用等級、借貸成功和失敗次數(shù)，借貸周期，借出分數(shù)，購車情況，借貸金額。而后，通過對各解釋變量之間的共線性檢驗，驗證各變量因子的逐步回歸結果的有效性。

（四）分析結果驗證假設

通過對以上數(shù)據(jù)的分析，根據(jù)各解釋變量對民族地區(qū)網(wǎng)貸用戶年利率影響的正負相關性，主要得到以下兩個方面的結論。

第一，正相關的因素。標的借貸周期越長，年利率越高。借貸標周期越長，投資人所承擔的風險就越大，因此，投資者會進行較高的年利率約定。用戶之前的成功貸款次數(shù)與網(wǎng)貸年利率成正相關。這點其實不難解釋，成功貸款次數(shù)越多的用戶，再進行下一次貸款時，上期貸款常常處于未還清狀態(tài)。由此，投資者認為貸款次數(shù)多的用戶還款壓力也相對更大，所以，應當與該借貸人進行較高的年利率約定。

第二，負相關的因素。借貸用戶的信用等級與借貸年利率成負相關。信用等級越高的用戶，相對于信用等級低的用戶要付出更大的違約成本，因此更受投資人的青睞，借貸年利率也就比較低。用戶借出信用越高，投資人越愿意對其進行投資，因此借貸年利率就越小。借貸金額與借貸年利率成負相關，因為較大的借貸金額往往是多個投資人共同投資，年利率越大，借貸用戶的還貸壓力就越大，所以同樣的借貸金額，投資人更傾向于給年利率低的標投資。其他與借貸成本成負相關的因素還有借貸用戶的個人因素以及車輛的購買，比如：越年輕的女性用戶其借貸利率相對更低；已購車的借貸人，通常會被認為具有更大的貸款償還能力，因此其借貸成本也相對較低。

從各解釋變量對民族地區(qū)網(wǎng)貸用戶年利率影響的正負相關性分析中可以看出，結論支持最初Q2和Q3的假設，而不支持Q1假設。

五、結語

近年來我國民族地區(qū)的各項貸款總額呈現(xiàn)逐年增長的趨勢，這在一定程度上標志著我國民族地區(qū)金融的發(fā)展取得了較大的進步。促進民族地區(qū)互聯(lián)網(wǎng)金融的發(fā)展，鼓勵通過多種渠道提供金融服務，大力支持少數(shù)民族地區(qū)金融機構和互聯(lián)網(wǎng)金融平臺的建設，這些對于促進我國民族地區(qū)的經(jīng)濟發(fā)展都具有重要意義。在進行民族地區(qū)互聯(lián)網(wǎng)金融產(chǎn)品的設計開發(fā)，以及進行投資決策時，構建科學有效的互聯(lián)網(wǎng)金融組合模型并進行合理的運用，能夠幫助投資者降低投資風險，實現(xiàn)投資組合的優(yōu)化，做出合理的投資決策，從而獲得更多收益。