個人信用評價研究綜述
來源:用戶上傳
作者:
摘 要：在全面推進社會信用體系建設的時代背景下，建立科學有效的信用評價指標體系及模型，是切實應對當前日益突顯的信用缺失問題、改進信用評價落后現狀的前提和基礎。梳理了國內外眾多學者的科研成果，從信用評價體系和評價模型方向開展個人信用研究，對個人信用相關研究進行整理總結，以期為相關學者提供參考與借鑒。
關鍵詞：個人信用評價;信用評價體系;信用評價
文章編號：1004-7026（2019）08-0014-02 中國圖書分類號：F832.749 文獻標志碼：A
孔子曰：“言必行，行必果”。幾千年來，誠信一直是炎黃子孫所傳承的優良品德。隨著社會的快速發展，我國社會誠信和信用水平缺失問題越發突出[1]。社會信用體系建設引起了黨中央、國務院的高度重視，個人信用是整個體系成立的基礎。近年來，信用消費不斷發展，汽車貸款、信用卡等各種消費貸款都亟待信用作保。然而，由于我國個人信用體系尚不完善，信貸風險也隨之加大。加強對個人信用評估方法和指標的研究，對借款人信用風險進行科學評估，確定貸款的風險水平并加強風險管理，可以極大地降低銀行開展消費信貸的風險，從而提高其放貸的積極性，促進消費信貸的快速發展，最終實現拉動經濟增長的目的[2]。本文通過深入分析國內外學者對個人信用的研究，從信用評價體系和信用評價模型方法兩個方面進行整理分析，以期為相關學者提供一定借鑒與參考。
1 信用評價體系研究綜述
信用評價指標體系在建立中不僅需要突出其高效運行的特點，也要注重其指標的穩定性、全面性。國內外信用評級中通常采用5c分析法（2016），其主要從借款人品德、還款能力、資本實力、擔保、經營環境等指標來判別借款人的還款能力。而現有的評估方法都較好地體現了決定信用評級的重要因素，其為構建信用評估指標體系提供了一定理論基礎。在國內個人信用評估體系研究中，由于歷史和體制的原因，我國關于個人信用評估理論的研究起步較晚，主要是借鑒國外的理論和方法，研究主要分為兩個陣營：一是以銀行等金融機構的人員為主，研究我國征信系統相關問題;另一陣營是以高等院校為主，主要是通過對國外方法的改進和對比，進行實證研究[3]。
目前，國內外學者關于大學生個人信用畫像的研究，主要集中在兩個方面。
其一是評價指標內容。劉根（2018）通過建立逐步回歸模型，研究影響大學生信貸消費的因素隨著性別、專業、生源地、家庭背景的不同而有所差異;Shweta S等人（2016）研究大學生在使用信用卡時發現，多數人不準備負責任地使用信用卡或及時還款，其反映了這部分學生缺乏信用知識和不負責任的信用管理;James W P等人（2016）認為，在學費上漲及更少資助金的情況下，父母是否參與、沖動的強迫癥、金融焦慮、社會地位、唯物主義和控制點是促成大學生使用信用卡的主要因素。
其二在構建信用評價指標系統方面。Joshua L等人（2018）使用FICO方法，開發了一種基于多標準決策原則的信用評分模型決策支持工具，該工具很好地反映了借款人在每個評分維度上的優勢和劣勢;Caterina L等人（2018）通過構建信用評分的分類模型，并將基于內核的分類器與標準分類器的性能進行對比，發現只要人格態度包含在模型中時，才會使得評估影響信用的每個預測變量更具有利用價值;Matt S G（2019）通過調查學生轉學前后的學術特征、人口特征等，表明了學生的學分損失與其信用損失有很大聯系。
在大學生個人信用畫像構建的研究中，國內外學者側重大學生在校的各方面表現，而忽略了其與社會的相互作用。在大數據時代下，傳統管理決策方法受到了極大的挑戰，粒度縮放、跨界關聯、全局視圖等全新的、基于大數據驅動下的視角（2018），將有效應用于大學生個人信用畫像的構建，從大學生的網絡社交、與金融機構發生的履約記錄及與電商平臺的交易記錄等，都是構建大學生個人信用畫像的重要因素。
2 信用評價模型構建研究綜述
現階段國內外在信用評估方面所運用的方法主要有古典信用、統計學、運籌學、人工智能、混合優化等5大類[4]。
在古典信用方面，吳晶妹（2015）指出信用是三維的：一維是誠信度，二維是合規度，三維是踐約度，信用主體的信用狀況依據這3個維度進行綜合判斷。Mohammadi（2016）用5c分析法，從借款人的道德品質、還款能力等5個方面評估了自然客戶的信用風險;王海峰、張曉妮等人（2017）提出利用模糊聚類和熵權法對個人信用進行打分，并進行等級的劃分，從而建立評估模型，但是利用該方法分析這類問題得到的結果主觀性較強。
在統計學方法方面，張成虎（2009）提出利用多元線性判定分析法對個人信用進行評分;Abdou H.A等（2011）通過對不同統計技術和績效評估標準的廣泛研究，提出了信用評分的發展方向及其重要性;Louzada（2018）提出一種生存信用風險模型，該模型共同適用于銀行貸款組合中發現的3種違約時間。
在運籌學方法方面，朱毅峰等人（2008）通過CHAID決策樹精煉提高“壞客戶”的正確劃分率，從而降低風險;Yusuf T I（2012）與模糊TOPSIS和線性規劃（LP）方法，結合不同類型的信用標準為銀行的信用風險集中決策帶來了更高的一致性;Guo Minmin（2013）用隨機AHP和模糊AHP方法幫助決策者對財務風險確定信用評分。
隨著計算機技術的發展，國內學者利用人工智能的方法進行評估分析。劉冉（2007）提出基于神經網絡的個人信用評估模型。針對單一分類器導致的過擬合且精度有限的問題，洪遠芳、鄒永福（2010）將個人信用數據混疊較嚴重的數據集，提出對數據集先利用最近鄰算法進行修剪，再應用SVM算法對個人信用進行評估;蕭超武等人（2016）提出了隨機森林組合分類算法的個人信用評估模型。Li Y、Lin X等（2017）分析商業銀行現有信用風險度量模型不足和缺陷，建立以神經網絡學習算法為主的風險計量模型;Yu L等（2018）提出一種基于深度信任網絡（DBN）的重采樣支持向量機（SVM）集成學習范式，以解決信用分類中數據不平衡的問題。雖然機器學習減少了人工誤差，但是存在著計算量大、耗時長等問題。后期主要是將多種方法進行結合，優化單一方法，使得評估效果更佳。林娟等（2013）提出了基于遺傳算法和ANFIS的個人信用評分模型，只需要少量的屬性變量就會有較好的評分結果;代婷婷等（2017）提出在SVM的基礎上利用統計的方法對個人信用進行評估，解決了單一的SVM模型訓練時計算量大、學習速度低的問題。Li Changjian（2017）用粒子群優化人工神經網絡方法對農村信用社的信用風險進行評估，有效提高網絡收斂速率;王曉慧等（2018）運用判別分析法構建關于樣本的評分模型，再用神經網絡法對樣本進行評分預測，并對神經網絡預測得分進行降序排列，最后進行有序樣本最優分割，實現個人信用的等級劃分，從而選擇優質客戶，降低信貸的風險;Chen K等（2020）將大數據下的邏輯回歸算法與證據權重相結合，構建混合評分模型，提高了信用評分的預測準確性[5]。
3 結束語
通過梳理當前國內外學者對個人信用評價體系及模型構建的研究，深入了解當前研究個人信用的發展進程。在信用評價體系方面，要從評價指標內容及構建評價指標系統方面;在信用評價模型方法方面，主要從古典信用、統計學、運籌學、人工智能等5大類方法展開研究，通過對當前國內外個人信用研究成果的整理，以期為相關學者提供借鑒與參考。
參考文獻：
[1]James W P，Nadia P，Michael E，et al.Psycho-Social Factors Impacting Credit Acquisition and Use by College Students[J].Financial Literacy and the Limits of Financial Decision-Making，2016（11）：177-200.
[2]陳國青，吳剛，遠東，等.管理決策情境下大數據驅動的研究和應用挑戰——范式轉變與研究方向[J].管理科學學報，2018，21（7）：1-10.
[3]吳晶妹.從信用的內涵與構成看大數據征信[J].首都師范大學學報（社會科學版），2015（6）：66-72.
[4]艾洪德，蔡志剛.個人信用制度：借鑒與完善[J].金融研究，2001（3）：106-115.
[5]宋芳秀.個人信用制度中政府作用的范疇和邊界：理論分析與經驗借鑒[J].生產力研究，2008（8）：46-48.
轉載注明來源:http://www.hailuomaifang.com/1/view-14891160.htm
