田知時(shí)，錢(qián)月涵

(1.南京大學(xué) 數(shù)學(xué)系，南京 210093；2.南京外國(guó)語(yǔ)學(xué)校，南京 210008)

?

基于中美P2P平臺(tái)客戶(hù)信用分析的征信體制研究

田知時(shí)1，錢(qián)月涵2*

(1.南京大學(xué) 數(shù)學(xué)系，南京 210093；2.南京外國(guó)語(yǔ)學(xué)校，南京 210008)

通過(guò)對(duì)美國(guó)和中國(guó)典型P2P平臺(tái)進(jìn)行分析，發(fā)現(xiàn)美國(guó)的未違約率與信貸評(píng)級(jí)水平、信貸額度呈顯著正相關(guān)；我國(guó)的個(gè)人信用額度、信用分?jǐn)?shù)越高、年齡越大、還款期限越長(zhǎng)、工作時(shí)間越長(zhǎng)、收入越高的男性逾期率越低，借款數(shù)額越大、期限越長(zhǎng)、標(biāo)的金額越大、年利率越高、學(xué)歷越高，逾期率越高。

征信體制；信用要素；P2P平臺(tái)

0 引言

中國(guó)征信體制雖然已經(jīng)發(fā)展了一段時(shí)間，但普及度依然不高，與國(guó)外的征信體制有著比較大的差距，這意味著中國(guó)未來(lái)的征信行業(yè)潛在市場(chǎng)巨大。目前，在國(guó)內(nèi)企業(yè)中，阿里巴巴集團(tuán)的芝麻信用發(fā)展較好，信用評(píng)分高的可以享受快捷退款等，此前英國(guó)財(cái)政大臣也曾拜訪(fǎng)阿里巴巴集團(tuán)，積極推進(jìn)芝麻信用評(píng)分申請(qǐng)英國(guó)簽證和快捷退稅等服務(wù)，由此可見(jiàn)良好的征信評(píng)分可以帶來(lái)諸多便利。目前，我國(guó)關(guān)于征信體制的法律法規(guī)處于待完善階段，相關(guān)的大數(shù)據(jù)庫(kù)也未建立完善，征信評(píng)分體制的發(fā)展仍存在很多問(wèn)題。

1 文獻(xiàn)回顧

1841年，商人塔潘創(chuàng)辦了美國(guó)第一家征信機(jī)構(gòu)，也就是后來(lái)美國(guó)的R. G. Dun & Co.，1933年，其與Bradstreet Company合并為Dun&Bradstreet。美國(guó)南北戰(zhàn)爭(zhēng)期間，市場(chǎng)秩序混亂，信用鏈條脆弱，征信需求劇增，征信機(jī)構(gòu)如雨后春筍般建立。南北戰(zhàn)爭(zhēng)以后，隨著海內(nèi)外市場(chǎng)的不斷擴(kuò)大，美國(guó)征信業(yè)發(fā)展勢(shì)頭強(qiáng)勁，在19世紀(jì)末期，已有個(gè)別美國(guó)的征信機(jī)構(gòu)來(lái)華投資。

約翰·?？怂乖凇督?jīng)濟(jì)史理論》中闡述了征信一開(kāi)始產(chǎn)生的原因。James H . Madison 在《19世紀(jì)美國(guó)商業(yè)征信所的演進(jìn)》中簡(jiǎn)述了美國(guó)征信行業(yè)的產(chǎn)生和發(fā)展歷程，以及對(duì)信用報(bào)告不準(zhǔn)確責(zé)任認(rèn)定標(biāo)準(zhǔn)。相對(duì)于我國(guó)征信體系的研究剛剛起步，西方發(fā)達(dá)國(guó)家征信體系發(fā)展比較成熟，從信用體系一開(kāi)始發(fā)展的邏輯和動(dòng)因來(lái)看，無(wú)論是我國(guó)還是西方國(guó)家最初都是市場(chǎng)經(jīng)濟(jì)發(fā)展的產(chǎn)物。市場(chǎng)經(jīng)濟(jì)體制具有一定的自我調(diào)節(jié)功能，但是也存在市場(chǎng)失靈的現(xiàn)象，如市場(chǎng)經(jīng)濟(jì)中明顯存在信息不對(duì)稱(chēng)的現(xiàn)象，為了有效地降低這種不對(duì)稱(chēng)性，防范市場(chǎng)中存在的交易、信用等方面的風(fēng)險(xiǎn)，降低交易成本，征信機(jī)構(gòu)乃至征信體系應(yīng)運(yùn)而生，反過(guò)來(lái)說(shuō)，征信體系是應(yīng)對(duì)市場(chǎng)經(jīng)濟(jì)中市場(chǎng)失靈的有效手段。隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的不斷深化，以及在全球一體化的時(shí)代背景下，以市場(chǎng)經(jīng)濟(jì)為主導(dǎo)成為市場(chǎng)主流，征信體系建設(shè)就越發(fā)重要。不同文化、不同歷史背景條件下將會(huì)產(chǎn)生不同的制度體系，這也決定了我國(guó)建立征信體系，決不能完全照搬國(guó)外的征信體系建設(shè)，而應(yīng)該結(jié)合我國(guó)社會(huì)主義國(guó)情，制定一條符合我國(guó)國(guó)情的社會(huì)主義體制下的征信體系。

傅強(qiáng)和張宜松指出提出我國(guó)構(gòu)建社會(huì)信用體制應(yīng)該包含三個(gè)方面：一是以市場(chǎng)交易人為主體的基礎(chǔ)交易；二是以法律制度、國(guó)際慣例和商業(yè)習(xí)慣為主導(dǎo)的制度信用；三是以政府監(jiān)督為主的監(jiān)督信用[1]。馮敬陽(yáng)通過(guò)對(duì)以美國(guó)為代表的民營(yíng)征信模式，以法國(guó)、德國(guó)為代表的公共征信模式和以日本為代表的會(huì)員制征信模式三種國(guó)際征信模式對(duì)比，認(rèn)為我國(guó)征信業(yè)的模式選擇應(yīng)為公共征信體系和民營(yíng)征信體系并存共重[2]。林健對(duì)世界范圍內(nèi)企業(yè)征信存在的四種征信模式比較分析，認(rèn)為我國(guó)應(yīng)建立以征信公司商業(yè)運(yùn)作為主體、國(guó)家政府部門(mén)提供資信、行業(yè)協(xié)會(huì)提供資信建立數(shù)據(jù)庫(kù)為輔的聯(lián)合型征信發(fā)展模式[3]。任興洲提出了發(fā)展我國(guó)征信業(yè)可選擇“企業(yè)征信選擇市場(chǎng)化的民營(yíng)模式，個(gè)人征信以民營(yíng)模式和公共模式并存”的新型模式[4]。吳晶妹認(rèn)為我國(guó)征信體系將會(huì)出現(xiàn)金融征信體系、行政管理征信體系和商業(yè)征信體系并存的格局[5]。

2 中美兩國(guó)數(shù)據(jù)分析

2.1 美國(guó)平臺(tái)數(shù)據(jù)實(shí)證分析

為檢驗(yàn)美國(guó)未違約率、信用評(píng)級(jí)以及信用額度的關(guān)系，我們構(gòu)建了未違約率與信用評(píng)級(jí)、信用額度的回歸模型。

y=α+β1x1+β2x2+β3x3+δ

(1)

其中，y位因變量未違約率，α為常數(shù)，β為回歸系數(shù)，x分別為信用評(píng)級(jí)水平較低樣本、信用評(píng)級(jí)較高樣本和信用額度，δ為隨機(jī)誤差。

2.1.1 描述性統(tǒng)計(jì)

針對(duì)研究樣本的主要變量進(jìn)行了描述性分析，相關(guān)結(jié)果如表1所示。表1列示了美國(guó)20273個(gè)樣本中未違約率、信用評(píng)級(jí)以及信用額度的描述性結(jié)果。研究結(jié)果表明，樣本中借款人違約率近10%，相對(duì)比較來(lái)說(shuō)較高；信用評(píng)級(jí)水平較低和信用評(píng)級(jí)較高的樣本數(shù)均靠近700家，表明大多樣本的信用評(píng)級(jí)水平居中；當(dāng)前樣本授信額度平均為11.43萬(wàn)美元。

表1 主要變量描述性分析

2.1.2 數(shù)據(jù)檢驗(yàn)

表2顯示了回歸模型的顯著性檢驗(yàn)結(jié)果，從方差分析表中可以看出模型的設(shè)定檢驗(yàn)F統(tǒng)計(jì)量的值為283.948，見(jiàn)表2，顯著性水平的P值幾乎為零，因此回歸模型通過(guò)了設(shè)定檢驗(yàn)，即證明模型整體是顯著的，從而說(shuō)明因變量與自變量之間的線(xiàn)性關(guān)系顯著。表2列示了回歸方程中常數(shù)項(xiàng)、回歸系數(shù)的估計(jì)值和變量顯著性檢驗(yàn)的T值，回歸系數(shù)常數(shù)項(xiàng)為0.234，回歸系數(shù)為0.001、0.003和0.006，且相應(yīng)的Sig均為0.000。因此，整個(gè)回歸方程具備顯著性。通過(guò)模型可以看出，未違約率與信貸評(píng)級(jí)水平以及信貸額度呈顯著正相關(guān)，也說(shuō)明違約率主要取決于對(duì)借款人的信用評(píng)級(jí)以及對(duì)借款人的信貸額度。

表2 模型分析結(jié)果

注：***、**、*分別表示在1%、5%和10%水平上顯著。

2.2 中國(guó)平臺(tái)數(shù)據(jù)實(shí)證分析

為檢驗(yàn)中國(guó)個(gè)人征信情況，研究將個(gè)人特征變量構(gòu)建如下檢驗(yàn)?zāi)Ｐ汀?/p>

z=φ+γiλi+ε

(2)

其中：z為因變量，φ為常數(shù)，γ為回歸系數(shù)，λ分別為信用分?jǐn)?shù)、借款總額、年齡、還款期限、標(biāo)的金額、年利率、性別、工作時(shí)間、學(xué)歷、婚姻、房產(chǎn)、車(chē)產(chǎn)等自變量，ε為隨機(jī)誤差。

2.2.1 描述性統(tǒng)計(jì)

表3 主要變量描述性分析

表4 模型分析結(jié)果

注：***、**、*分別表示在1%、5%和10%水平上顯著。

表3列出了國(guó)內(nèi)R數(shù)據(jù)平臺(tái)的116808個(gè)樣本的主要變量描述性統(tǒng)計(jì)結(jié)果。從上表中可以看出信貸的逾期率為4%，信用額度約為5萬(wàn)元，信用分?jǐn)?shù)為133，借款總額平均達(dá)65000元，還款期限約為24月；同時(shí)上表也根據(jù)借款人的不同特征做了統(tǒng)計(jì)性描述，借款人年齡約為36歲，女性及大專(zhuān)學(xué)歷偏多，且集中于已婚人士；同時(shí)還可看出無(wú)車(chē)無(wú)房的人按期還款的能力差，逾期風(fēng)險(xiǎn)高。統(tǒng)計(jì)結(jié)果與目前大多數(shù)借款人逾期還款的實(shí)際情況十分吻合。

2.2.2 數(shù)據(jù)檢驗(yàn)

表4給出了回歸方程的回歸系數(shù)、回歸系數(shù)標(biāo)準(zhǔn)差、回歸系數(shù)的T顯著性檢驗(yàn)等，可以看出回歸系數(shù)常量為0.08，Sig幾乎為零，常數(shù)項(xiàng)顯著；所有自變量的Sig值也為0，表明各自變量對(duì)逾期率的影響具備顯著性。通過(guò)該模型可以看出逾期率不僅只受信用評(píng)級(jí)的影響，還受借款總額、還款期限以及借款人年齡、婚姻、性別、是否有房產(chǎn)車(chē)產(chǎn)等多種因素的影響。從結(jié)果看，信用額度、信用分?jǐn)?shù)、年齡、還款期限、性別、工作時(shí)間、婚姻狀況、收入范圍、車(chē)產(chǎn)等與逾期率負(fù)相關(guān)，說(shuō)明信用額度、信用分?jǐn)?shù)越高、年齡越大、還款期限越長(zhǎng)、工作時(shí)間越長(zhǎng)、收入越高的男性逾期率越低；借款總額、標(biāo)的金額、年利率、學(xué)歷、房產(chǎn)與逾期率正相關(guān)。說(shuō)明個(gè)人的借款數(shù)額越大、期限越長(zhǎng)、標(biāo)的金額越大、年利率越高、學(xué)歷越高，逾期率越高。我們對(duì)美國(guó)和中國(guó)平臺(tái)數(shù)據(jù)進(jìn)行了簡(jiǎn)單處理,剔除一些錯(cuò)誤數(shù)據(jù)并給出合理的量化處理。在模型上,本文合理的建立了相關(guān)性分析模型、回歸分析模型來(lái)研究美國(guó)和中國(guó)征信體制的影響因素，從而分析兩者區(qū)別并給出中國(guó)征信體制的完善應(yīng)對(duì)措施。研究運(yùn)用了SPSS和EXCEL等軟件來(lái)處理數(shù)據(jù)、繪制表格進(jìn)行相關(guān)分析以及回歸分析。在技巧上,本文對(duì)定性描述的信息進(jìn)行了適當(dāng)?shù)牧炕?/p>

3 政策建議

3.1 加強(qiáng)監(jiān)管和監(jiān)督，營(yíng)造征信環(huán)境

首先，政府要?jiǎng)?chuàng)造實(shí)施條件，并實(shí)時(shí)監(jiān)控應(yīng)用情況并將相關(guān)信息向社會(huì)及時(shí)免費(fèi)開(kāi)放，為信用評(píng)級(jí)模型完善提供參考。其次，政府應(yīng)完善債券市場(chǎng)，加快推進(jìn)利率市場(chǎng)化的進(jìn)程，迫使金融機(jī)構(gòu)提高應(yīng)對(duì)風(fēng)險(xiǎn)能力，推進(jìn)信用評(píng)級(jí)機(jī)構(gòu)和征信體系建設(shè)。政府還需提高壞賬企業(yè)的統(tǒng)計(jì)質(zhì)量，密切關(guān)注壞賬企業(yè)動(dòng)態(tài)。再次，應(yīng)該完善相關(guān)法律法規(guī)，制定統(tǒng)一的體系標(biāo)準(zhǔn)，從制度上改善信用評(píng)分機(jī)制。

3.2 加快征信機(jī)制建設(shè)，促進(jìn)征信環(huán)境的發(fā)展

與國(guó)外的征信體制有著比較大的差距，這意味著中國(guó)未來(lái)的征信行業(yè)潛在市場(chǎng)巨大。首先，征信行業(yè)的企業(yè)尤其是金融機(jī)構(gòu)要轉(zhuǎn)變信用觀(guān)念，注重客戶(hù)的信用數(shù)據(jù)收集并完善內(nèi)部控制制度，形成與壞賬率有關(guān)的匹配機(jī)制。其次，加快構(gòu)建企業(yè)大數(shù)據(jù)庫(kù)，提供真實(shí)有效的數(shù)據(jù)供信用評(píng)級(jí)使用。同時(shí)，構(gòu)建靈活多變的評(píng)級(jí)數(shù)據(jù)模型以解決實(shí)際問(wèn)題。再次，加強(qiáng)與金融信息服務(wù)商的合作，廣泛使用信用評(píng)級(jí)技術(shù)。最后，形成合理且有效的風(fēng)險(xiǎn)控制體系，把握和掌控壞賬風(fēng)險(xiǎn)的發(fā)生。

3.3 合理對(duì)待中美差異，促進(jìn)征信體制的科學(xué)發(fā)展

中美征信體系發(fā)展程度不同，導(dǎo)致了中美個(gè)人借貸違約率的影響因素不同。相比于美國(guó)個(gè)人借貸違約率更加受到信用評(píng)級(jí)的影響，中國(guó)個(gè)人借貸違約率受到的影響因素更多。這也意味著，必須進(jìn)一步加快個(gè)人征信體系建設(shè)，以支撐當(dāng)前快速發(fā)展的網(wǎng)絡(luò)借貸業(yè)務(wù)。在當(dāng)前中國(guó)社會(huì)背景下，從事網(wǎng)絡(luò)借貸業(yè)務(wù)的平臺(tái)應(yīng)當(dāng)更加做好信息的審核、校驗(yàn)，完善借貸標(biāo)的的評(píng)級(jí)制度，反映真實(shí)的借貸風(fēng)險(xiǎn)。同時(shí)，進(jìn)一步加強(qiáng)信息披露，以便投資人做出更加理性的投資。鑒于中國(guó)當(dāng)前網(wǎng)絡(luò)借貸標(biāo)的受到的影響因素更多，探索大數(shù)據(jù)征信模式意義重大。通過(guò)加強(qiáng)相互合作，拓展外部數(shù)據(jù)源，征信評(píng)級(jí)主體可以更好地掌握用戶(hù)還款能力及還款意愿，進(jìn)而給出更為準(zhǔn)確的信用評(píng)級(jí)，促進(jìn)個(gè)人信貸業(yè)務(wù)發(fā)展。

[1] 傅強(qiáng),張宜松.中國(guó)社會(huì)信用體系建設(shè)的基本架構(gòu)與設(shè)想[J].經(jīng)濟(jì)問(wèn)題探索,2004(6):4-8.

[2] 樊藝,馮敬陽(yáng).建立社會(huì)信用約束機(jī)制的思考[J].西南金融,2001(11):54-55.

[3] 林健.從外國(guó)企業(yè)征信模式的利弊看我國(guó)征信模式的選擇[J].經(jīng)濟(jì)縱橫,2003(7):40-42.

[4] 任興洲.從中國(guó)征信業(yè)發(fā)展歷程看未來(lái)模式選擇[J].廣東經(jīng)濟(jì),2005(5):10-14.

[5] 吳晶妹.未來(lái)中國(guó)征信:三大數(shù)據(jù)體系[J].征信,2013(1):4-12.

(責(zé)任編輯：蔣 華)

Research on the Construction of China's Credit System Based on Sino-US P2P Platform

TIAN Zhi-shi1,QIAN Yue-han2*

(1.Depertment of Mathematics,Nanjing University,Nanjing 210093,China; 2.Nanjing Foreign Language School, Nanjing 210008,China)

Through the data analysis of the typical American and Chinese data on the P2P platform, we found a positive correlation between American non-default rate and credit rating, credit limit. The higher Chinese personal credit limit is, the higher their credit scores are, the elder they are, the longer their due time of repayment is, the longer they work, the higher income men have; the lower their default rate is. The larger the amount of the loan is, the longer their due time is, the huger the subject amount is, the higher the interest rate is, the higher their professional degrees are; the higher their default rate is.

construction of credit system; credit factors; P2P Platform

2016-10-16

田知時(shí)(1993-)，男，江蘇徐州人，在讀碩士，主要從事概率論與數(shù)理統(tǒng)計(jì)研究；*為通訊作者。

F830.2

A

1009-7961(2016)06-0050-04