錢(qián)珺 金君仰 季新國(guó)

摘? 要：“校園貸”作為信息化和消費(fèi)金融行業(yè)快速發(fā)展的產(chǎn)物，是消費(fèi)金融行業(yè)市場(chǎng)的重要組成部分。近年來(lái)，不良因素的介入使得“校園貸”淪為某些惡意利用者違法犯罪的工具和平臺(tái)，高校亟需一份合適的“校園貸”自身視角方案。研究以構(gòu)建金融管理服務(wù)中心和XGBoost風(fēng)險(xiǎn)評(píng)估模型為核心，從疏導(dǎo)、防范等多角度入手，滿足大學(xué)生合理借貸需求同時(shí)，降低和防范高?！靶@貸”風(fēng)險(xiǎn)，讓高?！靶@貸”處于有效的監(jiān)管和風(fēng)險(xiǎn)控制之下。

關(guān)鍵詞：校園貸；XGBoost建模；多維融合；防范策略；風(fēng)險(xiǎn)評(píng)估

中圖分類(lèi)號(hào)：TP391? ? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）04-0174-03

Research on Risk Control of“Campus Loan”Based on Multi-Dimensional Data Fusion

QIAN Jun1， JIN Junyang2， JI Xinguo3

（1.School of Information Technology， Nanjing Forest Police College， NanJing? 210023， China; 2.Shaoxing Public Security Bureau Yuecheng branch， Shaoxing? 312099， China; 3.Information Management Center， Nanjing Forest Police College， NanJing? 210023， China）

Abstract： The “campus loan” is an important part of the consumer finance industry market as a result of the rapid development of information technology and the consumer finance industry. In recent years， the inclusion of unfavorable factors has transformed “campus loan” into a tool and platform for some criminals to commit crimes， and universities need suitable schemes of “campus loan” urgently from their own perspectives. The research takes the construction of financial management service center and the XGBoost risk assessment model as cores， from the guidance， prevention and other perspectives， meets college students' reasonable lending needs while reducing and preventing the risks of college “campus loan”. Then the college “campus loan” is under effective supervision and risk control.

Keywords： campus loan; XGboost modeling; multi-dimensional integration; prevention strategy; risk assessment

0? 引? 言

“校園貸”以其超前的消費(fèi)理念和針對(duì)大學(xué)生群體的突出特征，在高校中得到快速傳播和發(fā)展。以“校園貸”之名偽裝的高利貸、圍繞非法平臺(tái)“校園貸”的電信詐騙、侵害公民合法權(quán)益的“裸貸”等違法犯罪事件以及負(fù)債、暴力催收等借貸衍生問(wèn)題，導(dǎo)致大學(xué)生身心健康受到消極影響。本文結(jié)合不良“校園貸”的界定和運(yùn)作機(jī)制分析，使用風(fēng)險(xiǎn)控制理論，對(duì)“校園貸”風(fēng)控模型進(jìn)行了構(gòu)建與研究，采用了知名P2P網(wǎng)貸公司Leading Club的公開(kāi)借貸信息，以該數(shù)據(jù)作為研究樣本，分析風(fēng)險(xiǎn)要素作為根據(jù)，為“校園貸”風(fēng)控模型方案提供核心評(píng)估環(huán)節(jié)的科學(xué)支撐。

1? 高?！靶@貸”發(fā)展現(xiàn)狀

隨著社會(huì)消費(fèi)的爆炸式增長(zhǎng)和信息技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)貸款及其衍生產(chǎn)物“校園貸”隨著互聯(lián)網(wǎng)金融繁榮發(fā)展而興起。國(guó)內(nèi)高校針對(duì)“校園貸”管理總體普遍呈重處置、輕疏導(dǎo)和防范的特點(diǎn)。在處置方面，開(kāi)展排查和整治行動(dòng)，如對(duì)校內(nèi)各類(lèi)型“校園貸”活動(dòng)情況開(kāi)展摸排、清除并抵制校內(nèi)不良“校園貸”活動(dòng)宣傳、學(xué)校有關(guān)部門(mén)統(tǒng)計(jì)學(xué)生校園貸數(shù)據(jù)等。在疏導(dǎo)方面，開(kāi)展學(xué)生教育引導(dǎo)工作，如大學(xué)生法律意識(shí)培訓(xùn)講座、輔導(dǎo)員加強(qiáng)師生交流溝通、開(kāi)放心理健康咨詢；開(kāi)展學(xué)生受教育資助工作，如落實(shí)國(guó)家獎(jiǎng)助學(xué)金教育資助政策、貧困家庭學(xué)生補(bǔ)助幫扶；開(kāi)展建立大學(xué)生創(chuàng)新創(chuàng)業(yè)就業(yè)基金，如高校向應(yīng)屆畢業(yè)生提供創(chuàng)新創(chuàng)業(yè)活動(dòng)政策保障和科研技術(shù)支持、提供小額免息貸款。多數(shù)高校在為學(xué)生建立正確的消費(fèi)等觀念上，做了大量的教育引導(dǎo)工作，并致力于突發(fā)案件的應(yīng)急處置，但不可否認(rèn)，非法不良“校園貸”在誘導(dǎo)非理性超前消費(fèi)、套路借貸上仍然對(duì)在校學(xué)生造成巨大危害[1]。

2? 高校“校園貸”風(fēng)險(xiǎn)控制模型的構(gòu)建

2.1? 高校金融管理服務(wù)中心

高校大學(xué)生是主流消費(fèi)群體，為他們提供安全、適宜的信用消費(fèi)信用貸款，有助于在高校學(xué)生中逐步培養(yǎng)起成熟、理性的消費(fèi)意識(shí)和信用觀念[2]。本文引入“高校金融管理服務(wù)中心”的概念，以消除或減少風(fēng)險(xiǎn)要素來(lái)實(shí)現(xiàn)風(fēng)險(xiǎn)的規(guī)避或降低。高校金融管理服務(wù)中心一方面對(duì)內(nèi)承接學(xué)生的借貸需求，另一方面對(duì)外與社會(huì)金融機(jī)構(gòu)（如銀行、合法網(wǎng)貸平臺(tái)等）簽訂校企合作協(xié)議，建立合作項(xiàng)目。

高校金融服務(wù)管理中心接受網(wǎng)貸平臺(tái)的合作申請(qǐng)，對(duì)風(fēng)控能力、經(jīng)營(yíng)模式、不良記錄等申請(qǐng)信息進(jìn)行審核后，準(zhǔn)許平臺(tái)服務(wù)入駐；從網(wǎng)貸平臺(tái)中接收學(xué)生借貸信息，監(jiān)測(cè)管理學(xué)生借貸風(fēng)險(xiǎn)，并完善學(xué)生借貸信息數(shù)據(jù)和提高風(fēng)控預(yù)測(cè)能力；學(xué)生借貸申請(qǐng)需提交至高校金融管理服務(wù)中心，經(jīng)中心審核通過(guò)方可從網(wǎng)貸平臺(tái)申請(qǐng)借款。通過(guò)中心對(duì)外及對(duì)內(nèi)的雙向業(yè)務(wù)，將不良“校園貸”滲入校園的風(fēng)險(xiǎn)排除，從而形成對(duì)學(xué)生利益的保護(hù)，將大學(xué)生普遍缺乏金融防范意識(shí)、不成熟消費(fèi)觀的風(fēng)險(xiǎn)要素影響降到最低。

2.2? 基于XGBoost算法的評(píng)估模型實(shí)證分析

借貸評(píng)估工作，一般分為傳統(tǒng)風(fēng)險(xiǎn)評(píng)估和現(xiàn)代風(fēng)險(xiǎn)度量方法。在現(xiàn)階段的金融借貸市場(chǎng)中，基于專(zhuān)家的人工審核評(píng)估主觀性強(qiáng)、科學(xué)性較弱、經(jīng)驗(yàn)的高度依賴性，已很難適應(yīng)當(dāng)前信息化、大數(shù)據(jù)的金融行業(yè)發(fā)展模式。在多數(shù)的現(xiàn)代金融行業(yè)中，利用機(jī)器學(xué)習(xí)等技術(shù)的算法模型評(píng)估風(fēng)險(xiǎn)已廣泛應(yīng)用[3]。本文引入風(fēng)控管理評(píng)估模型，利用算法模型的構(gòu)建，對(duì)“校園貸”借貸中的風(fēng)險(xiǎn)進(jìn)行科學(xué)評(píng)估，為該風(fēng)控模型提供可靠支撐。作為評(píng)估核心，“校園貸”風(fēng)控管理模型接受學(xué)生提交的申請(qǐng)，并輸入模型，根據(jù)已經(jīng)訓(xùn)練構(gòu)建完善的模型輸出評(píng)估意見(jiàn)，評(píng)估意見(jiàn)將給出申請(qǐng)人本次申請(qǐng)的違約預(yù)測(cè)，將可能違約的預(yù)測(cè)結(jié)果定為“不準(zhǔn)許申請(qǐng)”，將沒(méi)有違約可能的預(yù)測(cè)結(jié)果定為“準(zhǔn)許申請(qǐng)”；并對(duì)于評(píng)估結(jié)果為“準(zhǔn)許申請(qǐng)”的樣本提交反饋給高校金融服務(wù)中心；同時(shí)對(duì)于評(píng)估結(jié)果為“不準(zhǔn)許申請(qǐng)”的樣本，將進(jìn)一步提交給學(xué)工部門(mén)。同時(shí)，模型接收高校金融管理服務(wù)中心在業(yè)務(wù)運(yùn)行過(guò)程中產(chǎn)生的真實(shí)借貸數(shù)據(jù)，這些數(shù)據(jù)也將被列入訓(xùn)練樣本中，對(duì)模型進(jìn)一步優(yōu)化，使其獲得更好的預(yù)測(cè)評(píng)估效果。

2.2.1? 數(shù)據(jù)來(lái)源與指標(biāo)選取

基于某借貸平臺(tái)的37 946條數(shù)據(jù)信息，首先對(duì)影響借貸違約的因素進(jìn)行分析，并從中選取評(píng)估指標(biāo)，隨后通過(guò)XGBoost算法建立模型，利用訓(xùn)練后的模型對(duì)實(shí)時(shí)提交的學(xué)生借貸申請(qǐng)進(jìn)行風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)，為高校金融管理服務(wù)中心的數(shù)據(jù)研判工作提供有效依據(jù)。

本文將大學(xué)生個(gè)人信息中的家庭年收入（annual_inc）、未結(jié)算的貸款數(shù)量（open_acc）、地址區(qū)位（addr_state）等作為引入構(gòu)建該風(fēng)控模型的變量指標(biāo)；將大學(xué)生個(gè)人在校信息中的學(xué)制（emp_length）、學(xué)位（emp_title）等作為引入構(gòu)建該風(fēng)控模型的變量指標(biāo)；同時(shí)將其他一般貸款信息引入該風(fēng)控模型。根據(jù)風(fēng)險(xiǎn)評(píng)估模型實(shí)驗(yàn)需求，選取其中相關(guān)人群數(shù)據(jù)部分，并篩選部分?jǐn)?shù)據(jù)信息變量，主要包含loan_amnt、term、emp_title、annual_inc、loan_status等，這些變量及其數(shù)據(jù)將參與“校園貸”風(fēng)險(xiǎn)評(píng)估模型構(gòu)建中的訓(xùn)練和驗(yàn)證分析。

2.2.2? 數(shù)據(jù)清洗處理與采樣

數(shù)據(jù)預(yù)處理，首先利用拉格朗日插值法（lagrange）對(duì)缺失值進(jìn)行近似值的估算填補(bǔ)[4]；再通過(guò)繪制箱線圖對(duì)這些數(shù)據(jù)進(jìn)行異常值的判斷，標(biāo)準(zhǔn)的箱線圖上下邊緣則代表了該組數(shù)據(jù)的最大值和最小值，即在箱體外部的數(shù)據(jù)則稱為異常數(shù)據(jù)，將箱線圖中處于上、下邊緣線外的數(shù)據(jù)進(jìn)行篩除。

2.2.3? 數(shù)據(jù)標(biāo)準(zhǔn)化及特征選取

數(shù)據(jù)標(biāo)準(zhǔn)化和特征值選取，通過(guò)標(biāo)準(zhǔn)化處理，可以使得不同的特征變量具有相同的尺度，即將特征的值控制在一定的范圍內(nèi)，這樣目標(biāo)變量就可以由多個(gè)相同尺寸的特征變量進(jìn)行控制，不同的信息變量對(duì)模型參數(shù)的影響程度保持一致。本文采用Z-score標(biāo)準(zhǔn)化（標(biāo)準(zhǔn)分?jǐn)?shù)），其公式為：（X為原始數(shù)據(jù)， 為數(shù)據(jù)平均數(shù)，s為數(shù)據(jù)標(biāo)準(zhǔn)差）。本文采用單變量統(tǒng)計(jì)檢驗(yàn)的方法對(duì)本數(shù)據(jù)表格中的信息變量即特征進(jìn)行選擇處理。引入python函數(shù)庫(kù)sklearn.feature_selection中函數(shù)SelectKBest、f_classif，進(jìn)行特征的選取，構(gòu)造處理的關(guān)鍵代碼為[5]：

x_new = SelectKBest（f_classif，k=10）.fit（X，y）.get_support（indices=True）

經(jīng)過(guò)特征選取，根據(jù)計(jì)算得分排序，得到10個(gè)最具價(jià)值的特征，結(jié)果如表1所示。后續(xù)的模型構(gòu)造訓(xùn)練學(xué)習(xí)及檢驗(yàn)，將使用該10個(gè)特征進(jìn)行運(yùn)算。

2.2.4? 訓(xùn)練樣本與檢驗(yàn)樣本的選取

參照熱力值對(duì)照表，得知變量間相關(guān)性系數(shù)整體處于0.0～0.4的區(qū)間內(nèi)，且多數(shù)處于0.0～0.2的區(qū)間內(nèi)，呈弱或極弱相關(guān)，變量間的互相影響程度小，符合模型要求。將所有樣本數(shù)據(jù)分為訓(xùn)練組數(shù)據(jù)和檢驗(yàn)組數(shù)據(jù)，其中訓(xùn)練組數(shù)據(jù)用于構(gòu)建模型，檢驗(yàn)組數(shù)據(jù)用于檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性和預(yù)測(cè)評(píng)估。構(gòu)建模型的訓(xùn)練樣本和檢驗(yàn)樣本如表2所示。

XGBoost由樹(shù)模型的迭代來(lái)直接影響學(xué)習(xí)的效果，理論上迭代次數(shù)越多，則模型的訓(xùn)練效果越好，但通常情況下，模型會(huì)因樹(shù)模型的迭代次數(shù)過(guò)多而產(chǎn)生過(guò)擬合的風(fēng)險(xiǎn)，使預(yù)測(cè)值在訓(xùn)練集數(shù)據(jù)下表現(xiàn)良好，而在測(cè)試集數(shù)據(jù)下表現(xiàn)不佳。

依次對(duì)num_boost_round、max_depth/min_child_weight、gamma、subsample、colsample_bytree和eta學(xué)習(xí)率參數(shù)進(jìn)行調(diào)整，使模型在平均絕對(duì)誤差上盡可能小并處于適度擬合的狀態(tài)。最終得到該數(shù)據(jù)集下各參數(shù)最佳參數(shù)值如表3所示，模型擬合狀態(tài)如圖1所示處于適度擬合，同時(shí)模型的評(píng)價(jià)指標(biāo)mae（Loss-1）由模型最初狀態(tài)得分-0.612 9上升為調(diào)參結(jié)束后的得分-0.249 6。

在模型建立、訓(xùn)練、參數(shù)調(diào)優(yōu)后，針對(duì)模型的最優(yōu)狀態(tài)進(jìn)行預(yù)測(cè)能力檢驗(yàn)。利用驗(yàn)證數(shù)據(jù)集輸入模型，并得到數(shù)據(jù)集中各組數(shù)據(jù)所對(duì)應(yīng)的預(yù)測(cè)值，預(yù)測(cè)能力結(jié)果如表4所示，該模型能夠在對(duì)大學(xué)生群體“校園貸”的風(fēng)控運(yùn)行機(jī)制中，發(fā)揮較好的學(xué)生借貸風(fēng)險(xiǎn)預(yù)警和校園金融風(fēng)險(xiǎn)分析輔助作用。

3? 結(jié)? 論

“校園貸”仍是金融領(lǐng)域中的一個(gè)重要組成部分，并在當(dāng)今信息技術(shù)和消費(fèi)金融快速發(fā)展中扮演合理存在的重要角色。面對(duì)風(fēng)險(xiǎn)，僅僅依賴處置無(wú)益于高?！靶@貸”的有效整治。創(chuàng)新高校“校園貸”金融服務(wù)體系，把風(fēng)險(xiǎn)控制與聯(lián)合整治融入整體構(gòu)建中，滿足學(xué)生合理借貸需求同時(shí)，降低和防范高?！靶@貸”風(fēng)險(xiǎn)，讓“校園貸”在有效監(jiān)管和風(fēng)險(xiǎn)控制下成為真正服務(wù)于學(xué)生群體的“安心貸”。

參考文獻(xiàn)：

[1] 貢怡丁.高?！靶@貸”治理現(xiàn)狀及對(duì)策研究 [D].合肥：安徽大學(xué)，2020.

[2] 張春蓮，徐麗麗，馮云珠.“互聯(lián)網(wǎng)+”背景下的高校網(wǎng)絡(luò)詐騙及風(fēng)險(xiǎn)防范 [J].現(xiàn)代交際，2020（6）：187+186.

[3] 王元彬，張堯，李計(jì)廣.數(shù)字金融與碳排放：基于微觀數(shù)據(jù)和機(jī)器學(xué)習(xí)模型的研究 [J].中國(guó)人口·資源與環(huán)境，2022，32（6）：1-11.

[4] 趙莉，孫娜，李麗萍，等.拉格朗日插值法在數(shù)據(jù)清洗中的應(yīng)用 [J].遼寧工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2022，42（2）：102-105+117.

[5] 馮凱媛，羅慶斌，鄭明輝，等.基于多特征融合的惡意網(wǎng)頁(yè)檢測(cè)方法研究 [J].湖北民族大學(xué)學(xué)報(bào)：自然科學(xué)版，2021，39（1）：80-85.

作者簡(jiǎn)介：錢(qián)珺（1990—），女，回族，安徽安慶人，講師，碩士，研究方向：電子數(shù)據(jù)檢驗(yàn)和網(wǎng)絡(luò)犯罪偵查。

收稿日期：2022-09-27

基金項(xiàng)目：江蘇高校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目（2020SJA0567）；江蘇高校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目（2022SJYB0089）