基于拍拍貸借款人數(shù)據(jù)的logistic違約概率模型對P2P的反思

王佳 王真

摘 要：存在中國13年的P2P走向了終點(diǎn)，卻帶給了我們很多反思，對比結(jié)合國內(nèi)幾家網(wǎng)絡(luò)借貸公司，得到P2P網(wǎng)絡(luò)借貸平臺的一般特點(diǎn)，并且思考了如何評價借貸平臺和借貸人的信用風(fēng)險。本文參照國內(nèi)現(xiàn)有的評級指標(biāo)框架，選取國內(nèi)較有代表性的P2P網(wǎng)絡(luò)借貸網(wǎng)站拍拍貸的借款人信息，建立相應(yīng)的信用評級體系，然后利用logistic回歸對模型做出優(yōu)化，得到一個與借款人能否成功還款密切相關(guān)的指標(biāo)體系，同時得出哪些指標(biāo)與借款人違約顯著相關(guān)。

關(guān)鍵詞：P2P網(wǎng)絡(luò)借貸平臺;信用評級;拍拍貸

中圖分類號：F23 文獻(xiàn)標(biāo)識碼：A doi：10.19311/j.cnki.1672-3198.2022.09.053

從2017年開始， P2P借貸平臺不斷暴雷，平臺未能及時兌付或者經(jīng)營不善導(dǎo)致不能償付投資人本金利息，從而出現(xiàn)的平臺停業(yè)、法定代表人跑路等問題經(jīng)常發(fā)生，P2P興衰的背后不只是違規(guī)的平臺，更多的是監(jiān)管不到位、投資者專業(yè)性不足、無法篩選出優(yōu)質(zhì)借款人、信息不對稱問題。因此如何評價借貸平臺和借貸人的信用風(fēng)險是一個很重要的問題。本文發(fā)現(xiàn)P2P網(wǎng)絡(luò)借貸平臺遇到的最大的難題就是借貸雙方信息不對稱，借款人在借貸平臺中處于有利位置。一方面因為參與P2P網(wǎng)絡(luò)借貸的借款人群素質(zhì)參差不齊，產(chǎn)生了劣幣驅(qū)逐良幣的風(fēng)險。另一方面，還面臨借款人存在的道德風(fēng)險。借款人一般具有強(qiáng)烈的成功借款的意愿，他們?yōu)榱四軌蛟谄谙迌?nèi)成功籌措到一筆所需資金，勢必會選擇逃避對自己不利的信息或者提供虛假信息，這個時候貸款人對于借款人的隱藏根本無法察覺，以至于做出錯誤的決策。因此篩選出一個指標(biāo)體系，對網(wǎng)絡(luò)借貸平臺中的借款人信息進(jìn)行量化分析綜合得出一個評級，能夠有效降低金融風(fēng)險。在P2P網(wǎng)絡(luò)借貸平臺中，借款人的年齡、婚姻狀況、住房情況、年收入、成功還款次數(shù)等信息影響了借款成功還款的可能性。在此基礎(chǔ)上，本文利用已經(jīng)完成的網(wǎng)絡(luò)交易借貸數(shù)據(jù)，建立二元logistic回歸違約概率模型，得到與借款人信用密切相關(guān)的指標(biāo)。

1 信用評級的基本概念

1.1 信用評級

在P2P整個項目的運(yùn)營過程中，如何對借款人進(jìn)行信用評價是個很重要的問題，從而保障后續(xù)資金可否收回，整個項目能否順利進(jìn)行。本文重點(diǎn)研究Logistic回歸方法為P2P行業(yè)信用等級評定以及等級劃分提供更合理可靠的評分模型，從而降低借款人的違約風(fēng)險，進(jìn)而降低整個P2P平臺的運(yùn)營風(fēng)險和管理風(fēng)險。眾所周知，企業(yè)的評級一般是由專門的評級的機(jī)構(gòu)給定的。在國外，由標(biāo)普、穆迪和惠譽(yù)三大評級公司給定企業(yè)的評級。

1.2 信用評級的指標(biāo)體系

通過對國內(nèi)部分網(wǎng)貸平臺進(jìn)行研究和分析，根據(jù)P2P網(wǎng)貸的特點(diǎn)，并參考中國建設(shè)銀行的個人貸款信用評價指標(biāo)體系，建行開展個人信貸業(yè)務(wù)較早，有著較成熟的針對借款人信用評級的理論和實踐經(jīng)驗，結(jié)合以前的個人信用評價指標(biāo)體系的研究成果和方法，綜合考量，得出P2P網(wǎng)貸借款人的信用評價指標(biāo)體系，如表1所示。

2 研究設(shè)計

2.1 樣本選取和數(shù)據(jù)來源

本文通過python多線程爬蟲技術(shù)獲取了拍拍貸平臺“我要投資”頁面的2017年的1805條數(shù)據(jù)以建立二元logistic回歸違約概率模型，并驗證違約概率模型的準(zhǔn)確性。本文主要研究的對象是1805條數(shù)據(jù)，數(shù)據(jù)中的成功借款次數(shù)又分為正常還清次數(shù)和逾期0-15天之內(nèi)次數(shù)。

2.2 分析模型介紹

對于Logistic需要設(shè)置虛擬變量，本文將借款人違約取值為 0，借款人成功還款取值為 1，其中 1 發(fā)生的概率記為 p，借款人成功還款的概率為p，表示借款人違約的發(fā)生概率為1-p，那么借款人的信用風(fēng)險就轉(zhuǎn)化為一個違約的概率問題。越接近0，違約風(fēng)險越大，這樣可以看出不同的信用等級對應(yīng)的不同的違約風(fēng)險概率。

2.3 變量的選擇

通過對國內(nèi)外文獻(xiàn)的研究，初步篩選出年齡、性別、學(xué)歷、借款利率、借款期限、借款金額、正常還清次數(shù)、逾期0-15天次數(shù)8個變量。其中定性指標(biāo)有借款人的年齡、性別、文化程度這三個指標(biāo)，對于性別指標(biāo)，男性賦值為0，女性賦值為1。對于文化程度指標(biāo)，小學(xué)、初中及高中、大專以上賦值為0、1、2。與因變量密切相關(guān)的是正常還清次數(shù)，逾期0-15天次數(shù)這兩個指標(biāo)，本文把逾期0-15之內(nèi)視為違約（即有違約傾向）賦值為0，正常還清且沒有逾期0-15天的視為借款人成功還款賦值為1。因此因變量只具有兩種狀態(tài)，即成功為1，違約為0。

2.4 研究變量的描述性統(tǒng)計

本文利用Eviews軟件進(jìn)行相關(guān)實驗，借款人的成功還款率Y與借款人的年齡X1、借款人的性別X2、文化程度X3、年利率X4、期限X5、借款金額X6有關(guān)?？紤]到利率、期限、借款金額之間數(shù)額差距較大，影響模型的有效性，本文將利率、期限、借款金額各變量對數(shù)變換進(jìn)行標(biāo)準(zhǔn)化處理，利用Eviews軟件，生成Y、X1、X2、X3、LNX4、LNX5、LNX6等數(shù)據(jù)，采用Logistic回歸方法估計模型參數(shù)，得到的回歸結(jié)果顯示P值都低于0.01，說明根據(jù)文獻(xiàn)選取的借款人的年齡、性別、文化程度、年利率、期限、借款金額這八個指標(biāo)都顯著影響借款人是否能夠成功還款。X1年齡、X2性別、X3文化程度這些軟信息同樣顯著影響借款人能否成功還款，這驗證了金虎斌等（2017）認(rèn)為由于借款人的 “硬信息”不充足，在對其進(jìn)行信用評價時，應(yīng)當(dāng)與軟信息結(jié)合起來，更加注重對“軟信息”的評價這一結(jié)論。

為了使整個模型更加完整，令人信服，再次檢驗各個指標(biāo)之間是否存在多重共線性的可能，進(jìn)而影響實驗結(jié)果的有效性。本文再次利用Eviews軟件計算各變量間的相關(guān)系數(shù)，得到一個相關(guān)系數(shù)矩陣，由表2可以看出，各解釋變量之間的相關(guān)系數(shù)非常低，說明各個變量之間沒有聯(lián)系，不會相互影響，不存在一定的多重共線性。本文實證結(jié)果充分說明了借款人的年齡、性別、文化程度、借款利率、借款期限、借款金額八個指標(biāo)能夠反映借款人是否能夠成功還款。

其中年齡跟能否成功還款正相關(guān)，即年齡越大，越能夠成功還款，這跟我們的經(jīng)驗相一致，因為年齡可以部分說明財富和能力，人的年齡越大，積累的社會資本越多，人際關(guān)系越廣，越有助于借款人在規(guī)定時間成功還清貸款;性別與能否成功還款負(fù)相關(guān)，這與本文的賦值有關(guān)，即越傾向于0越好，由此可以看出男性在規(guī)定時間成功還款的可能性比女性要高;文化程度跟能否成功還款負(fù)相關(guān)，這可能P2P拍拍貸平臺的學(xué)歷認(rèn)證只有?？坪蜔o兩項有關(guān)，并不全面，但只從數(shù)據(jù)這方面來講，反而是無學(xué)歷認(rèn)證在規(guī)定時間成功還款的可能性比僅有?？茖W(xué)歷認(rèn)證在規(guī)定時間成功還款的可能性要高，這與張偉強(qiáng)等（2015）認(rèn)為一致，教育程度能夠反映一個人的自我約束能力，教育程度越高，自律能力越強(qiáng)，成功還款的可能性越高。但是與此相反的是投資人在選擇投資對象時并不會青睞于高等教育者，所以學(xué)歷在判斷借款人能否成功換款式存在一定的誤差。通過實證可以看出，利率與能否成功還款之間存在負(fù)向相關(guān)關(guān)系，利率越低，借款人能夠成功還款的可能性就越高。但是對貸款人和借貸平臺不利，因此協(xié)定好一個平衡的利率是借款人能否成功還款的關(guān)鍵;除此之外，實驗結(jié)果表明，借款期限與借款金額均與借款人能否成功還款存在正向相關(guān)關(guān)系。

3 反思與展望

（1）回顧P2P借貸平臺的發(fā)展，各種各樣的P2P平臺層出不窮，首先，P2P網(wǎng)絡(luò)借貸行業(yè)野蠻生長，缺乏完善的監(jiān)控制度，借款人和貸款人之間信息不對稱，無法控制借款人的道德風(fēng)險;其次，沒有法律約束借款人的違約行為;再次，平臺的負(fù)責(zé)人彌補(bǔ)不上資金鏈，出現(xiàn)跑路，進(jìn)而導(dǎo)致投資者本金大程度損失。除此之外，從P2P平臺自身來看，不能有效的篩選優(yōu)質(zhì)的借款人，仍有一些虛假信息的借款人在平臺里面拉低成功還款率。

（2）目前我國P2P平臺已完全清退，正規(guī)的平臺已陸續(xù)轉(zhuǎn)型。未來的“P2P”平臺可以利用互聯(lián)網(wǎng)技術(shù)開展助貸業(yè)務(wù)。作為一個信息平臺減少銀行金融機(jī)構(gòu)和借款人的信息不對稱。

（3）監(jiān)管部門應(yīng)該不斷擴(kuò)大征信范圍，不斷完善征信系統(tǒng)。除此之外，普及金融風(fēng)險知識，提高投資者風(fēng)險控制意識，保護(hù)投資者利益。

參考文獻(xiàn)

[1]Eunkyong Lee.Friendships in Online Peer to Peer Lending：Pipes，Prisms，and Social Herding[J].Prisms，and Social Herding，2013，（5）：52-61.

[2]Lin，M，Prabhala，N.R.，andViswanathan.S.Judging Borrowers by the Company They Keep：Social Networks and Adverse Selection in Online Peer-to-Peer Lending[J].Management Sei，2012，59（1）：17-35.

[3]王博，張曉玫，盧露.網(wǎng)絡(luò)借貸是實現(xiàn)普惠金融的有效途徑嗎——來自“人人貸”的微觀借貸證據(jù)[J].中國工業(yè)經(jīng)濟(jì)，2017，（2）：98-116.

[4]張科，斐平.信息不對稱、貸款人類型與羊群效應(yīng)基于人人貸網(wǎng)絡(luò)借貸平臺數(shù)據(jù)的研究[J].會計與金融，2016，（6）：125-138.

[5]過新偉，王曦.硬信息與軟信息： 孰重孰輕？———非上市中小企業(yè)貸款違約風(fēng)險實證研究[J].金融學(xué)季刊，2015，9（2）.

[6]李焰，高戈軍，李珍妮，等.借款人描述性信息對投資人決策的影響——基于P2P網(wǎng)絡(luò)借貸平臺的分析[J].經(jīng)濟(jì)研究，2014，（1）：143-155.

[7]張運(yùn)書，李玉文.評級失靈與矯正： 網(wǎng)絡(luò)借貸信用評級規(guī)制路徑[J].長春大學(xué)學(xué)報，2018，28（5）：75-80.

[8]王會娟，廖理.中國P2P網(wǎng)絡(luò)借貸平臺信用認(rèn)證機(jī)制研究———來自“人人貸”的經(jīng)驗證據(jù)[J].中國工業(yè)經(jīng)濟(jì)，2014，（4）：136-147.

[9]金虎斌，張成虎.網(wǎng)絡(luò)借貸平臺的信息處理與信用評級效率分析———基于人人貸與Prosper的實證對比檢驗[J].上海經(jīng)濟(jì)研究，2017，（10）：45-58.