P2P互联网金融信用评级方法浅析

□文/王 佳 湛维明 戎 杰

（河北金融学院 河北·保定）

一、引言

目前，我国P2P互联网金融行业正呈现高速稳定增长的态势。截至2014年底，我国P2P运营平台达1，575家，全年新上线的P2P平台超过900家，这些平台平均注册资金约为2，784万元，相对于2013年的1，357万元，增长了1倍。在个人借贷方面，2014年P2P金融投资人数与借款人数分别达116万人和63万人，较2013年分别增加364%和320%。多项金融指标数据显示，P2P金融已告别萌芽期，进入成长期。

二、P2P互联网金融运营模式解析

P2P是互联网信贷的一种方式，与传统金融业务相比，其具有小额、无担保、快捷、网络化的特征和优势。传统金融机构对于“大企业”、“大项目”关注度更高，而针对个人和中小企业的信贷服务相对匮乏，融资渠道狭窄和融资成本高昂已经成为制约我国微型经济发展和人民生活水平提高的突出难题。P2P金融的出现为解决这一难题提供了一个良好的思路，有效地破解了民间融资过程中出现的难题。

一次典型P2P借贷行为分为如下几步：首先，个人实名注册并提供相应的身份证复印件及相关身份证明，同时提供详尽的个人财务状况说明并提出申请；其次，P2P网站运用多种手段进行审核；再次，借入人发出借款邀约，约定借款金额、最高年利率、资金筹措期和还款期限；再次，借出人用自有资金进行全额或部分投标，但投标利率不能高于借入人所约定的最高值。在资金筹措期满后，如果投标资金总额达到或超过借入人的要求，则全额满足其需求的年利率最低的一项或几项资金中标；如果资金筹措期满仍未能集齐借入人所需资金，该项借款计划流标；最后，一旦借款成功，网站自动生成电子借条，借款人按每月还款方式向放款人还本付息。（图1）

图1 P2P运营模式流程图

三、信用风险评级方法对比研究

信用风险评级是对评级对象履行相关合同和经济承诺的能力和意愿所做出的总体评价，国内外在互联网金融风险控制与信用评级的策略及方法的研究方面已有了初步成果：Terry Harris 认为支持向量计算法在信用风险的全判别方面有较大的优化空间。Zongyuan Zhao 利用多层感知神经网络进行用户信用评分，取得了较好的效果。Ashish Goel 运用决策树和决策森林制定信用评估策略并判断其准确性。Nader Mahmoudi 采用改进的线性判别方法对信用卡欺诈进行检测。Ehsan Kamalloo通过模糊免疫学习算法进行信用风险预测。Linpeng Hai 使用关联分析和特征判别的方法建立了农村小额贷款信用指标体系的判别模型。Vaclav Kozeny 采用遗传算法进行信用评分，并通过设置不同的适应度函数对算法进行了性能比较。

国内学者根据我国国情，从征信数据源筛选及数据预处理方面也进行了大量的研究：吴昭华通过交叉检验技术辅以第三方验证确认客户信息的真实性，将客户在电子商务网络平台上的行为数据映射为企业和个人的信用评价，通过沙盘推演技术对地区客户进行评级分层。杨秀萍认为除了小额分散的风控原则，风控的核心方法在于通过研究分析不同个人特征数据相对应的违约率，通过非线性逻辑回归、决策树分析、神经网络建模等方法来建立数据风控模型和评分卡体系，来掌握不同个人特征对应影响到违约率的程度。张海泉认为互联网金融企业的风控大致分为两种模式：一种是类似于阿里的风控模式，通过自身系统大量的电商交易以及支付信息数据建立了封闭系统的信用评级和风控模型；另一种则是众多中小互联网金融公司通过贡献数据给一个中间征信机构，再分享征信信息。刘叶焕提出从个体状况、社交网络行为、网络消费行为三个方面对用户信用进行评价。袁翠认为要解决互联网金融模式下的信用风险问题，首先应该尽全力推动建设基于大数据的互联网征信平台，实现全社会信用信息的收集、分类、匹配和数据化处理，并建设全社会统一的征信数据调用和查询体系，使互联网金融或者传统金融行业机构在面临信用风险评估问题时可以提出特定的需求，并通过征信系统专业化定制的数据来源解决借贷等交易行为中的信用违约风险。

四、总结

利用被评价对象的社会关系数据进行人口属性特征的推断已逐渐被各大信用评级平台所看重并采用。通过协同推断的方法对有效样本数据进行分析，以此验证社会关系强度对个体经济行为、信贷使用意愿、个体违约意愿、社会影响等方面的调节作用逐渐成为信用评级的主流方法。同时，网络社交数据可帮助信用评级机构从影响用户信用的内在和外在因素出发，通过个体用户社会关系强度与人口属性数据进行协同推断，得出信用的主影响因子及用户信用等级，为P2P网络征信系统人口属性特征提取及信用诊断提供计算方法和技术依据。因此，社交网络数据作为大移动互联时代的重要数据来源，将在各类数据分析和挖掘中扮演越来越重要的角色。

[1]Jiawei Zhang，Xiangnan Kong，Phi lip S.Yu：Predicting Social Links for New Users across Al igned Heterogeneous Social Networks.In ICDM，2013.

[2]姚国章，赵刚.互联网金融及其风险研究[J].南京邮电大学学报（自然科学版），2015.2.

[3]肖肖，骆建文.基于大数据的互联网融资平台信用评级[J].现代管理科学，2015.1.

[4]郭濂.国际三大信用评级机构的比较研究[J].中南财经政法大学学报，2015.1.