基于因子分析和logistic分析的个人信用评估方法研究.doc

《基于因子分析和logistic分析的个人信用评估方法研究.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于因子分析和Logistic分析的个人信用评估方法研究【摘要】随着大数据概念的提出，企业和个人越来越重视数据中隐藏的潜在价值。为准确评价P2P网络贷款平台借款人的信誉度，本文利用因子分析方法从22个自变量中浓缩出8个“共同因子”，建立信用评价指标体系，并利用Logistic模型对借款人行为进行预测。这种个人信用评价指标体系的筛选保留了大量的信息量，并利用Logistic模型给出了用户违约概率。【关键词】P2P网贷因子分析评估指标体系Logistic分析一、引言从硅谷到北京，大数据的话题正在被传播。如今，一个大规模生?a、分享和应用数据的吋代正在开启［1］。众多企业正面临着海量的管理数

2、据，越来越关注如何从海量的数据中挖掘提炼出对企业有效的决策支持信息，提高企业的生存能力和企业的发展速度。某种程度上，数据就是企业最珍贵的财富。而数据财富的转化需要一种能够将大量数据智能化地转化为有价值的信息的技术，以达到为人们提供决策服务的0的。随着计算机技术和统计分析方法的发展，量化分析已经成为各个学科领域中广泛应用的技术方法。根据国际权威高德纳咨询公司的调査分析报告显示，数椐挖掘技术将是今后几年全世界范围内重点加大投资研宄的十大新兴高科技技术之一，它己经引起了学术界和工商界的重点关注，是当今数据库系统开发、研究和应用领域的一个热点技术［2］。自2007年国外网络贷款平台模式引入中国

3、以来，国内P2P网络借贷平台如雨后春笋般蓬勃发展。这一模式为很多无法从银行或其他信贷机构获取贷款的支持的个人消费者、微企业主提供了一种新的融资渠道。然而，P2P网贷面临诸多风险：个人信用风险，平台账户资金使用不当引发经营风险，法律风险等。目前我国的公民信用体系还不健全，平台与平台之间乂缺乏联系和沟通，各个平台频频出现坏账，借款人不能及时还款，造成了借款人集中违约，借款人信用风险无疑是平台谢临的最大风险。如何有效地识别借款者并预测其未来的贷款偿还表现，控制其信用风险，已成为当前亟待解决的问题。个人信用评估，是指通过使用科学严谨的分析方法，综合考察影响个人及其家庭的内在和外在的主客观环境，

4、并对其履行各种经济承诺的能力进行全面的判断和评估。本文基于某P2P网络借贷平台的个人标的数据，综合运用因子分析法和Logistic回归分析法构建P2P网贷平台个人信用评估模型。从模型的预测结果看，基于Logistic回归分析的个人信用评估模型有较高的精度，并能预判标的数据违约概率，可控制性强。二、文献回顾自2005年P2P网络贷款平台首次在英国出现以来，国外理论界也一直致力于对这种新型互联网金融借贷模式的探讨与研究。国外目前对P2P网贷的研究比较成熟，研究成果非常丰富。LauriPuro［3］等(2010)通过研宄P2P借贷平台Prosper,com,提出借款人决策建议模型，帮助借款人

5、量化其战略选择。Robert&Benjamin(2010)通过研究发现，出借人可以通过网络平台获取借款人的个人信誉，设法从中选取出信誉好的借款人进行投资。这种方式可以有效缓解道德风险，虽然要付出的成木较高，但相比传统模式还是比较合适的。Durand[4](1941)首先将判别分析法用于信用评分，正式提出使用数理统计模型辅助消费者授信决策的观念。WilliamFair&EarlIsaacs(1958)利用判别分析法建立了著名的FICO信用评分系统。Wiginton[5](1980)在信用评分模型中首次尝试使用Logistic回归方法，并与判别分析法进行比较。由于Logistic方法前提假

6、设条件少，并且对变量没有正态性假设的要求，应用广泛，常用来做信用评分模型，延续至今。我国社会信用体系建设经历了三个阶段：起步阶段、初步发展阶段、加速发展阶段现在已经进入全面推进社会信用体系建设的加速发展阶段。但与美国相比我国的信用体系尚不完善，P2P网络贷款的研究起步也较晚。对P2P网贷的研究一开始停留在对网贷的介绍，营运模式比较等方面。辛宪[6](2009)通过对国外典型P2P网贷平台的运营模式进行研究，将P2P企业运营模成归纳为：非盈利公益型(Kiva)、单纯屮介型(Prosper)和复合中介型(Zopa、LendingClub)三类。陈初[7](2010)也对网贷运营模式进行了研

7、宂，将运营模式归纳为：综合授信(以企业网上行为参数为基础)，“P2P”网络融资模式，网贷企业做银行金融业务的外包服务商，为学生提供贷款。随着信息技术的发展，近年来许多数据挖掘的新方法如神经网络、决策树、遗传算法、专家系统等陆续也被引入信用评分领域屮。三、个人信用风险评估模型两步走随着科学技术的发展，大数据时代的到来，数据的收集变得越来越容易，收集信息越来越详细，维度也越来越高。尽管大数据给我们提供了更详细的信息，但是维度越高，数据量越人研宂所面