余思敏 陳文慧 賀杰 張子豪 李軍成

摘 要：為了幫助商業(yè)銀行評(píng)估大學(xué)生借貸“校園貸”應(yīng)滿足的條件，基于模糊層次分析法建立了大學(xué)生“校園貸”個(gè)人信用評(píng)估模型。首先合理的選取大學(xué)生“校園貸”個(gè)人信用評(píng)估指標(biāo)，然后通過(guò)模糊層次分析法對(duì)大學(xué)生的個(gè)人信用進(jìn)行綜合評(píng)估。實(shí)例結(jié)果表明所提出的方法是合理有效的，從而為商業(yè)銀行及各大正規(guī)網(wǎng)絡(luò)貸款平臺(tái)開展“校園貸”業(yè)務(wù)提供了一定的決策依據(jù)。

關(guān)鍵詞：大學(xué)生；校園貸；模糊層次分析法；個(gè)人信用評(píng)估

中圖分類號(hào)：F724.6 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）34-0033-04

Abstract： In order to help commercial banks to evaluate the conditions that college students should meet in campus loans， a personal credit evaluation model of college students' loans on campus was established based on fuzzy analytic hierarchy process （FAHP）. First of all， reasonable selection of college students "campus loan" personal credit evaluation indicators， and then through the fuzzy analytic hierarchy process on college students' personal credit comprehensive evaluation. The results show that the proposed method is reasonable and effective， which provides some decision-making basis for commercial banks and major formal online loan platform to carry out the "campus loan" business.

Keywords： college students； campus loan； fuzzy analytic hierarchy process； personal credit evaluation

“校園貸”本是針對(duì)大學(xué)生而推出的借貸方式，幫助大學(xué)生解決燃眉之急、順利完成學(xué)業(yè)、實(shí)現(xiàn)創(chuàng)業(yè)等。但近年來(lái)，各大媒體紛紛曝光“校園貸”背后的黑色手段，揭露這些平臺(tái)借著“免息”、“低息”的名義，實(shí)則為變相高利貸的現(xiàn)象。雖然目前政府提出了網(wǎng)絡(luò)貸款機(jī)構(gòu)一律不能向大學(xué)生發(fā)放貸款的政策，但是借貸現(xiàn)象依舊存在。針對(duì)這種現(xiàn)象，商業(yè)銀行已經(jīng)開始推出“校園貸”小范圍試水，對(duì)于大學(xué)生而言由商業(yè)銀行推出的 “校園貸”利息低、保障性高、更具有安全性；然而對(duì)于商業(yè)銀行而言自身利益的保障也就成為一個(gè)急需解決的問題。

近年來(lái)，“校園貸”問題備受社會(huì)的關(guān)注，國(guó)內(nèi)也有了很多學(xué)者針對(duì)這個(gè)問題進(jìn)行了探究，都希望能夠建立一個(gè)貼切實(shí)際的大學(xué)生“校園貸”個(gè)人信用綜合評(píng)估模型以及為其提出相關(guān)建議。例如，盧藝方等[1]將河南的四所高校以及兩所高中作為研究對(duì)象，對(duì)“校園貸”當(dāng)前情況進(jìn)行調(diào)查研究并對(duì)金融、法制監(jiān)管提出建議；徐睿陽(yáng)[2]對(duì)互聯(lián)網(wǎng)下京東白條個(gè)人征信系統(tǒng)進(jìn)行了分析，并做出了進(jìn)一步的改進(jìn)；林慶峰[3]對(duì)我國(guó)當(dāng)前的社會(huì)信用體系與國(guó)外的進(jìn)行了理論上的分析，并提出應(yīng)如何完善個(gè)人征信系統(tǒng)；等等。雖然已有部分學(xué)者對(duì)大學(xué)生“校園貸”個(gè)人信用評(píng)估問題進(jìn)行了探討，但鮮有文獻(xiàn)從定量的角度去分析解決這個(gè)問題。

事實(shí)上，雖然目前部分商業(yè)銀行已推出大學(xué)生“校園貸”業(yè)務(wù)，但大都還處于試水階段，并未大面積的覆蓋校園的現(xiàn)象。從定量的角度為商業(yè)銀行及各大正規(guī)網(wǎng)絡(luò)貸款平臺(tái)創(chuàng)建更加符合當(dāng)前大學(xué)生現(xiàn)狀的個(gè)人信用評(píng)估模型，不僅可以減少大學(xué)生網(wǎng)上非法貸款的現(xiàn)象，還可以確保銀行的利益以防銀行虧損，從而均衡雙方的利益。對(duì)于大學(xué)生而言，個(gè)人信用影響因素大多數(shù)為定性因素，很難得到定量數(shù)據(jù)，而層次分析法可以將復(fù)雜的問題分為幾個(gè)小部分，再將這些小部分組織成一個(gè)層次結(jié)構(gòu)，利用專家意見，利用評(píng)估尺度對(duì)每一個(gè)部分的相對(duì)重要性進(jìn)行權(quán)重?cái)?shù)值評(píng)估，而后建立成對(duì)比較的判斷矩陣，并求出特征向量及特征值，以該特征向量代表每一層級(jí)中各部分的權(quán)重，能為決策者提供充分的決策資訊并得到有關(guān)決策的評(píng)選條件或標(biāo)準(zhǔn)、權(quán)重和分析，從而減少?zèng)Q策錯(cuò)誤的風(fēng)險(xiǎn)性。為了解決大學(xué)生貸款與商業(yè)銀行利益保證兩方面的問題，使得“校園貸”能夠同時(shí)保障雙方的利益，本文針對(duì)大學(xué)生“校園貸”中的個(gè)人信用評(píng)估問題，利用模糊層次分析法[4]進(jìn)行研究，定量得到對(duì)于大學(xué)生信用而言一級(jí)、二級(jí)指標(biāo)所對(duì)應(yīng)的權(quán)重，以及得到大學(xué)生個(gè)人信用評(píng)分的計(jì)算方法。

1 大學(xué)生“校園貸”個(gè)人信用評(píng)估方法

1.1 指標(biāo)的選取

個(gè)人信用評(píng)估是對(duì)個(gè)人信用信息的定量描述。目前，“5C”要素在國(guó)際上對(duì)個(gè)人信用評(píng)估的影響因素和指標(biāo)的分析中使用的最為廣泛。它主要衡量個(gè)人在從品質(zhì)、償付能力、資金、抵押和條件方面的個(gè)人信用狀況。與國(guó)內(nèi)有些不同，中國(guó)人民銀行指出我國(guó)將評(píng)判個(gè)人信用的信息指標(biāo)體系劃分成以下幾大類：基本信息、信用交易信息、公共信息、特別信息和其他等。由此看出，雖然不同的國(guó)家、機(jī)構(gòu)設(shè)計(jì)的個(gè)人信用的具體指標(biāo)有所差異，但傳統(tǒng)的個(gè)人信用評(píng)估指標(biāo)體系一般都包括個(gè)人基本信息、資產(chǎn)狀況、歷史信用狀況以及個(gè)人預(yù)期收入等幾個(gè)方面[5]。而針對(duì)大學(xué)生而言，需要選取符合大學(xué)生實(shí)際情況的個(gè)人信用信息指標(biāo)。為此，本文中針對(duì)當(dāng)代大學(xué)生的基本情況選擇了學(xué)生基本信息、消費(fèi)行為、道德水平、所處環(huán)境、在校情況作為“5C”要素的一級(jí)指標(biāo)Ci以及15個(gè)二級(jí)指標(biāo)Pij[6]，具體指標(biāo)及解析如表1所示。

1.2 判斷矩陣的構(gòu)造

在確定各層次要素之間的權(quán)重時(shí)，假設(shè)只從定性的角度去分析，將使得數(shù)據(jù)不夠客觀，于是Saaty等人進(jìn)行數(shù)次實(shí)驗(yàn)，比較人們?cè)诓煌臉?biāo)度下判斷結(jié)果的準(zhǔn)確度，最終發(fā)現(xiàn)使用1～9標(biāo)度得到的結(jié)果最準(zhǔn)確。所以在本文中將使用1～9標(biāo)度的方法根據(jù)Ci之間、Pij之間的重要性為其打分得到判斷矩陣[7]。

其中各個(gè)指標(biāo)分值的確定需要考慮該類指標(biāo)對(duì)于大學(xué)生個(gè)人征信的重要性，例如在5個(gè)一級(jí)指標(biāo)Ci中，大學(xué)生的每月生活費(fèi)、收入（勤工儉學(xué)、獎(jiǎng)學(xué)金等）以及月消費(fèi)金額對(duì)大學(xué)生信用的影響很大，所以在構(gòu)造判斷矩陣時(shí)應(yīng)該給予較大的分值，5個(gè)一級(jí)指標(biāo)所得判斷矩陣如表2所示。

得到Pij判斷矩陣的方法與Ci相同，只需要比較屬于同級(jí)指標(biāo)下的二級(jí)指標(biāo)之間的相對(duì)重要性即可得到相應(yīng)的結(jié)果，如表3所示。

1.3 指標(biāo)權(quán)重的計(jì)算與一致性檢驗(yàn)

（1）指標(biāo)權(quán)重的計(jì)算

本文采用特征根法求解指標(biāo)權(quán)重，利用AW=maxW公式求出判斷矩陣A的最大特征根？姿max，以及最大特征根？姿max對(duì)應(yīng)的特征向量W，并將特征向量經(jīng)過(guò)標(biāo)準(zhǔn)化處理作為各指標(biāo)的權(quán)重向量[8]。

（2）一致性檢驗(yàn)

求解隨機(jī)一致性比率CR（CR=CI/RI），然而RI的取值通常會(huì)由于指標(biāo)總數(shù)n的變化而改變。如果 CR<0.1，那么之前所得到的判斷矩陣是一致的，也就是說(shuō)此時(shí)所構(gòu)造的判斷矩陣可以被接受，所得結(jié)果可以作為最終的權(quán)重，反之則需要適當(dāng)?shù)恼{(diào)整打分。

1.4 模糊集評(píng)價(jià)論域的設(shè)定

為各個(gè)二級(jí)指標(biāo)設(shè)定一個(gè)評(píng)價(jià)論域V=（v1，v2，…，vn），n=1，2，3…，而v1，v2，…，vn則表示評(píng)價(jià)或評(píng)語(yǔ)等級(jí)。本文將信用評(píng)價(jià)論域設(shè)定為V={很好，好，中，差，很差}，它們表示的含義分別為個(gè)人信用狀況非常好、好、一般、差、很差。

1.5 模糊集隸屬度的構(gòu)造

由于專家評(píng)審打分法對(duì)于實(shí)際問題的研究有較好的實(shí)用性、效用性。所以針對(duì)本文所確定的二級(jí)指標(biāo)，得到相應(yīng)的信用評(píng)分結(jié)果，作為每個(gè)有序?qū)χ付ǖ碾`屬度，具體的評(píng)分結(jié)果見表4。

可以從表4獲得關(guān)于二級(jí)指標(biāo)與信用評(píng)價(jià)打分關(guān)系的15*5階模糊關(guān)系矩陣（模糊關(guān)系隸屬度函數(shù)）R，再根據(jù)一級(jí)指標(biāo)Ci可將 R分成5個(gè)模糊關(guān)系矩陣Ri（i=1，2，3，4，5）。

1.6 模糊矩陣的合成

2 大學(xué)生信用評(píng)估實(shí)例

2.1 設(shè)置問卷獲取數(shù)據(jù)

本文為驗(yàn)證上文所建立的模型是否適用于評(píng)估當(dāng)代大學(xué)生的個(gè)人信用情況，特設(shè)制了一份調(diào)查問卷，并隨機(jī)找了10位大學(xué)生進(jìn)行填寫，從而確保數(shù)據(jù)的真實(shí)合理性，現(xiàn)將所得的結(jié)果利用之前所建立的模型進(jìn)行評(píng)估。調(diào)查問卷所設(shè)置的選項(xiàng)如表5所示，每個(gè)選項(xiàng)對(duì)應(yīng)不同的分值，根據(jù)大學(xué)生選擇的選項(xiàng)對(duì)其進(jìn)行評(píng)分，如表5所示。

將十位大學(xué)生所填的信息對(duì)應(yīng)上表的分值進(jìn)行打分統(tǒng)計(jì)，所得結(jié)果如表6所示。

2.2 指標(biāo)權(quán)重的求解

在已知判斷矩陣的條件下，利用MATLAB計(jì)算求得Ci、Pij所對(duì)應(yīng)的判斷矩陣的特征根，并進(jìn)行標(biāo)準(zhǔn)化處理，就可以得到各指標(biāo)的權(quán)重，將Ci所對(duì)應(yīng)的權(quán)重？棕A與Pij所對(duì)應(yīng)的權(quán)重？棕■相乘可以得到最終的總權(quán)重并對(duì)其進(jìn)行排序，所得結(jié)果如表7所示。

從表7的結(jié)果可以看出，針對(duì)大學(xué)生的個(gè)人征信系統(tǒng)一級(jí)指標(biāo)中學(xué)生在校情況可作為最重要的借貸指標(biāo)，其次是學(xué)生的消費(fèi)行為。其中學(xué)生每個(gè)月生活費(fèi)、收入情況、月消費(fèi)金額可作為首要考慮的因素。商業(yè)銀行推出的“校園貸”在考慮是否應(yīng)該借給大學(xué)生時(shí)可以針對(duì)以上得到的權(quán)重去綜合的考慮大學(xué)生的個(gè)人征信條件，再選擇是否接受大學(xué)生提出的貸款申請(qǐng)。

2.3 評(píng)判系數(shù)的求解

Z=（0.3536 0.2062 0.1528 0.1437 0.1437）

2.4 評(píng)判結(jié)果的求解

根據(jù)所獲得的信息評(píng)分表，將各個(gè)Pij的評(píng)分與其相應(yīng)的權(quán)重相乘得到Ci的評(píng)分，所得結(jié)果存入10*5的矩陣Eval當(dāng)中。

將所得的Eval與結(jié)果一級(jí)指標(biāo)評(píng)判系數(shù)矩陣Z相乘，即可得到每位大學(xué)生的最終得分Score為：

Score=（4.1760，4.2078，3.5597，3.1390，3.0032，3.9453，3.4571，2.8651，2.9882，3.6867）

由于每一項(xiàng)指標(biāo)的最高為5分，所以信用評(píng)價(jià)論域V={很好，好，中，差，很差}所對(duì)應(yīng)的區(qū)間分別為[5，4）、[4，3）、[3，2）、[2，1）、[1，0]。從所得的結(jié)果可以分析出第一、二位大學(xué)生個(gè)人信用很好可以放心借貸給他；第三、四、五、六、七、十位大學(xué)生的個(gè)人信用中等可以選擇借貸給他們；第八、九位大學(xué)生的個(gè)人信用差不適合借貸給他們。利用所得的結(jié)果再去分析他們所對(duì)應(yīng)的原因，可以發(fā)現(xiàn)某些大學(xué)生雖然收入較多，例如第九位大學(xué)生，但是其他方面的因素較差，導(dǎo)致最終的個(gè)人信用一般，不值得借貸給他；而有些大學(xué)生的收入較少，例如第三位大學(xué)生，但是其他方面較為優(yōu)異，使得其最終的個(gè)人信用較好，說(shuō)明了不在單一的根據(jù)某一兩個(gè)因素去判斷個(gè)人信用，且所得到的結(jié)論與事實(shí)基本吻合。

3 結(jié)束語(yǔ)

本文所建立的大學(xué)生“校園貸”個(gè)人信用評(píng)估模型，只需要通過(guò)為大學(xué)生各項(xiàng)指標(biāo)評(píng)分的方式，便可以通過(guò)模型計(jì)算得到大學(xué)生個(gè)人信用的情況。相對(duì)而言這種方式更加的方便快捷，并且可以通過(guò)定量分析的方式考慮是否應(yīng)該借貸給大學(xué)生，為商業(yè)銀行及各大平臺(tái)提供了一定的參考價(jià)值。

然而，盡管本文使用模糊層次分析法得到Ci以及pij所對(duì)應(yīng)的權(quán)重，較好的彌補(bǔ)了AHP在主觀性方面存在的不足，但是利用模糊層次分析法所得到的結(jié)果仍然存在一定的主觀性，不夠客觀，所以在接下去的研究?jī)?nèi)容中用什么方法可以更客觀、科學(xué)的評(píng)估個(gè)人信用也將是下一步研究工作的目標(biāo)。

參考文獻(xiàn)：

[1]盧藝方，段昕昕.“校園貸”現(xiàn)狀調(diào)查及金融、法制監(jiān)管建議——以河南四所高校和兩所高中為例[J].時(shí)代金融，2016，32：238-239.

[2]徐睿陽(yáng).互聯(lián)網(wǎng)金融下京東白條個(gè)人征信模式改進(jìn)探究[D].北京交通大學(xué)，2017.

[3]林慶峰.如何完善我國(guó)個(gè)人信用制度的思考[D].福州大學(xué)，2014.

[4]肖振泉.基于模糊層次分析法的職業(yè)院校學(xué)生成績(jī)?cè)u(píng)估模型[J].輕工科技，2018，6：161-162.

[5]陳美麗，傅魁.第三方支付背景下消費(fèi)者個(gè)人信用評(píng)估模型構(gòu)建[J].財(cái)會(huì)月刊，2018，1：79-85.

[6]俞立超，倪雙博，陳素瑩，等.大學(xué)生助學(xué)貸款風(fēng)險(xiǎn)信用評(píng)估模型研究[J].大學(xué)教育，2018，1：192-195.

[7]陳國(guó)華，韋程?hào)|，蔣建初，等.數(shù)學(xué)模型與數(shù)學(xué)建模方法[M].天津：南開大學(xué)出版社，2012.

[8]宋琳.基于模糊層次分析法的P2P網(wǎng)貸行業(yè)風(fēng)險(xiǎn)評(píng)估研究[J].東岳論叢，2017，38（10）：96-101.