基于logistic回归模型的个人小额贷款信用风险评估及应用.doc

《基于logistic回归模型的个人小额贷款信用风险评估及应用.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Logistic回归模型的个人小额贷款信用风险评估及应用摘要：根据光大银行某分行的实际样本数据，构建二分类Logistics信用风险评估模型，对互联网金融个人小额贷款信用风险评估问题进行实证研宄。实证表明：年龄、性别、收入、职业、学历、是否持有信用卡、存贷比以及客户所属地对个人小额贷款信用风险影响非常显著；其中年龄越大、收入越稳定、学历越高、持有信用卡、存贷比越低的客户其信用等级越高；女性信用风险显著低于男性；一、二线城市客户的履约率普遍高于县地级市客户的履约率，商业银行应有针对性地对其进行有效规避和分散。关键词：Logis

2、tic模型；互联网金融；小额贷款；信用风险；一、引言20世纪末以来，随着以互联网、大数据为代表的信息技术快速发展，金融与互联网从逐渐融合到全面渗透，“互联网金融”概念应运而生。互联网金融凭借成木低廉、高效便捷、受众广泛的特征使其在满足客户个性化需求、服务长尾客群方面具有先天性优势，因此传统商业银行可以通过？1展互联网金融模式，加快个人信贷领域产品和服务创新，达到业务处理的便捷性，提升客户体验，增加客户黏性，拓展普惠金融服务范围。传统的小额贷款主要面向中低收入个人客户、中小企业主等群体，涉及面广、个性化需求强烈，由于缺乏统一的规范

3、化管理，风险管理难度较人，这也是商业银行小额贷款业务发展缓慢的一个主要原因，但随着“互联网+金融”模式的兴起，火数据、云计算、社交网络、搜索引擎等互联网技术不断突破与运用，商业银行大力发展个人小额贷款业务己成为可能，但同时也应看到随之而来的欺诈风险、准入风险等，商业银行信用风险管理所考量的因素不断细化。所以，传统商业银行如何运用互联网金融的优势来创新发展个人小额信贷业务、抢占个人信贷业务市场、高效的解决信息不对称的问题，有效的管理风险将会成为传统商业银行未来不得不考虑的问题。信贷的核心是风险管理，而对于个人小额贷款业务而言，风险

4、管理的核心是客户信用管理，包括客户准入管理、存量客户管理及逾期客户管理。所以如何识别不同时期的客户的信用风险并进行有效控制将成为商业银行发展小额贷款业务的重中之重。木文将利用光大银行长沙分行收集的实际样本数据进行分析，以二分类Logistic回归力计量工具，通过对商业银行的个人信用贷款数据进行分析，来识别影响个人小额贷款信用风险的主要因素，旨在对商业银行在开展个人小额信贷业务屮的风险管理提供一种思路或方法。二、文献综述在对贷款风险管理的研究中，定量分析方法越来越受到学者和实践操作者们的青睐。定量分析法不仅可以优化贷款决策，将被动

5、的风险管理模式转为积极主动的防范和控制风险，还能尽可能的减少拖欠的账款，降低收回账款的成本；同时还可以提高贷款决策效率，节约人力成本，实现贷款决策过程的客观性、信息化和科学化。从目前的研究来看，贷款风险研宄的定量模型主要有判别分析法(AltmanE，1968[1])、主成分分析法(WeatRobertCraig,1985[2])、Z-score和ZETA模型(Altman,1968,2000)，Logistic回归,贝叶斯决策模型(DanielE,1992[3])，上世紀末以来，人工智能技术的快速发展使得银行运用该技术进行信用风

6、险评估和贷款决策已成为可能。上述定量分析方法虽然均能在不同程度上对贷款风险进行研宄，但各有侧重和短板，比如Z-score和ZETA模型只适用于对上市公司进行研究，贝叶斯网络模型则主要是偏重于操作风险。大量研宄证明Logistic是被广泛运用于个人信用风险评估的较为成熟的模型。Altman、Sabato(2007)[4]等人通过长期研究发现，使用logistic模型衡量屮小企业信用风险可以取得最佳效果，且该模型限制件较少，操作便利，且具有较高的预测性。该模型的主要优势是：一是因变量取值可以是违约概率与履约概率发生比的任何自然对数，

7、对自变量没有任何限制；二是对数据是否满足协方差相同和正态分布的假设没有作限制性要求，适用范围广；三是因变量是一个二分类变量，只能取0或1的数值，可以直观的说明某个事件是否发生以及发生的概率是多少。我国学者在研究贷款信用风险的时候也多采用Logistic回归模型。姜秀华等(2002)[5]在采用13个变量进行logistic回归分析的基础上构建了财务危机预警模型。于立勇(2004)[6][7]首先运用正向逐步选择法选择信用风险评估指标变量，然后在Logistic回归模型的基础上构建违约概率测算模型。梁琪(2005)[8]将主成分分

8、析法结合到Logistic模型屮进行分析研宄，构建了上市公司经营失败预警模型，并提出引入主成分分析法的logistic模型在预测准确度对和风险度量稳定性方面都优于简单的logistic模型。油永华(2006)[9]运用Logistic回归模型对100家上市企业的