互联网征信的影响因素分析

2020-04-23林翠波李伟强

福建茶叶 2020年2期

林翠波，李伟强

（广西师范大学数学与统计学院，广西桂林 541006）

1 引言

近年来，随着互联网的发展，互联网金融的个人消费信贷的领域得到快速发展，这不仅给金融机构带来利益，同时也增加了贷款风险。因此，如何根据用户的信息进行分析，为金融机构提供决策和建议，更加有效地应对风险，是非常具有价值的。但是，目前征信采集对象占总人口比重较小，且数据难以共享，引发了一系列的问题，只有成立百行征信才能更好解决。据统计，我国个人消费信贷的增长率每年高达20%，预估2019年个人消费信贷规模将突破41.1万亿元[1]。同时，金融机构面临的个人信用风险将随之增加，信用评分模型显得更重要。

国内对征信的研究很多，陈纯等人基于蚂蚁花呗消费信贷产品对大学生进行调查，为提高大学生风险防范等提供建议[2]。王梦佳基于Logistic回归对P2P网贷平台借款人信用的风险进行评估[3]。本文计划用Logistic回归模型尝试对互联网征信的影响因素进行分析。

2 理论知识

Logistic回归函数应限制在[0,1]区间，所以要进行变换。Logistic分布函数：行逻辑变换得到模型

3 实证分析

3.1 数据说明

本文所使用的数据为用户征信相关的数据，共1000条记录。数据一共包含9个变量。其中，因变量为“是否按期还款”，且0表示“违约”，1表示“未违约”，其余的均为自变量，为了初步探究自变量对因变量的影响，下面对自变量进行分析：

基本信息包括性别、婚姻情况和生育情况。其中，女性违约占比31.8%，男性违约占比34.8%，性别对是否违约无显著影响；已婚用户违约率29.2%较低，而未婚用户37.4%较高；已育用户违约率29.5%较低，而未育用户36.9%较高。

学习能力包括教育水平和英语水平。其中，教育水平划分为“高中及以下”“大专或本科”“硕士研究生”“博士研究生及以上”，其违约率分别为39.6%、39.4%、28.8%、15.2%，显然学历高的违约率最低，而学历低的违约率最高，这与我们的推测一致；英语等级划分为“四级以下”“四级”“六级”“六级以上”，其违约率分别为43.3%、37.4%、27.2%、21.1%，英语等级较高的违约率较低，等级低的违约率较高。总之，学习能力对客户违约率的影响较为显著。

其他方面有社交人脉、收入水平和消费理念。其中，社交人脉用微博好友数度量，均值较高的违约率也高，而均值较低的违约率也低。未违约的用户收入均值为24309.27较高，相比之下，违约用户的收入均值为16019.68较低。可见，收入水平对客户的违约率有显著的影响，收入水平越高，违约率越低；消费理念=信用卡消费/总消费，消费理念整体呈右偏分布，大多数用户的消费理念在0.125左右，当客户越倾向于超前负债消费时指标值越高，违约群体的消费理念指标值明显高于履约群体。