P2P借贷中借贷人违约风险影响因素研究

　摘要

当社会的金融供给体系无法适用于迅猛发展的信用需求，互联网金融便逐渐进入大家的事先中，并且随着产品不断地创新以及发展规模的迅速扩大，其风险也一直在积累，而国家层面的还没来得及颁布相关的一些法律法规，所以分析得出P2 P网络借贷的风险类型和影响因素，并且最终解决这些风险点，这是非常重要的。由于我国目前正在实行利率等方面的改革，这就使的金融负债的压力增大从而导致存款规模的减少，除此之外对资本的监管也将变得更加严格。人们对金融产品创新的理解也在随着互联网的发展而不断的深化，结合这种情况，决定以P2P网络贷款的运作模式为切入点，通过深入的分析研究，在该贷款原本的运行模式上结合国内的学者从该模式上获得的经验对该模式进行了创新。我们应该分析P2P网络贷款量和利润率的影响因素。找出其中的核心要素。P2P网络贷款的深度挖掘是P2P网络贷款的重要危险性能和把握。但是我国的网络金融监管处于起步阶段对很多金融产品缺乏监管经验，目前正处于探索阶段。我们将重点研究P2 p网络贷款违约风险因素，提出P2p网络贷款违约风险建议。

　关键词：互联网金融 P2P借贷风险

　　第1章绪论

　　1.1论文选题背景

近年来，随着互联网+模式走进各行各业，所以P2P在线借贷作为互联网金融中相对成熟的网络借贷模式，必将得到更好，更好的发展。它将越来越多地渗透到人们的生活中，成为互联网+时代的主流财务管理方法。随着科学技术和计算机的不断发展，互联网技术和传统金融已融入互联网金融，并取得了快速发展。P2P产业对资金使用效率具有重要意义，体现了包容性金融和多层次资本市场建设。随着经济持续增长，企业需要继续增长，这增加了对资金的需求。在传统资本借贷的基础上，需要新的融资方式。P2P网络借贷是近年来新兴的融资方式。P2 P贷款借钱直接通过提供信息、P2 P贷款个人之间利用互联网来融资，多闲置资本和投资者想投资收入，通过贷款或金融投资的互联网搜索相关的信息，同时也提高了资金使用效率。在当前的社会环境中，P2P在线借贷行业作为新兴的互联网金融业将具有巨大的发展空间。P2P贷款行业作为一个新兴的互联网金融,它迫切需要改善需要快速周转,经济,利用P2P网络一直在扩大其贷款行业,提出了区域梯度型发展,与此同时,P2P行业竞争激烈,P2P平台的经营模式发展,偶尔发生的恶性事件的增长。

1.2论文选题的意义

信用风险是所有贷款业务的核心风险之一。为了防止中国国情出现信用风险这一问题，往往需要进行运营成本极高的尽职调查和线下销售，为了避免这种情况，一些平台选择将市场进行细分，提供贷款服务，特别是对人们在某一地区，行业或特点，并利用好理解，由于这些人拥有着更多的经验积累和更加具有针对性的信贷技术，这就使得他们在风险管理上面能够取得更好的成本效益，除此之外，由于一些老的平台起步早，在市场细分方面更加具有经验，他们会为了自身的业务资源能够更好地进行整合会开辟新的市场。在这种大背景下，平台与平台之间或者平台与私人金融机构之间可能会在2018年出现并购的情况。整个行业的集中度将会提高。与之同理，为使对于信贷中存在的一系列风险的应对更为有效化，使核心的金融能力得以良好构建，基于P2 P的贷款业务常常将一系列强化的重点置于承载信用报告的核心技术平台之上。

　1.3国内外文献综述

1.3.1国内研究综述

与一些发达国家相比， P2 P网络贷款的开始相对较晚，但由于国内市场的巨大需求，快速创新和发展，以及平台不再局限于一个中介业务，但许多不同的商业模式发生了变化。在国内已有的研究中，我们可以总结出:Zhang (2012) 对国内P2P平台模型进行了一系列比较研究，总结了中国五大平台现有的P2P借贷模式。严遵霞(2012)分析总结了上述五种贷款模式的各种风险和不足，并对其未来的总体发展方向进行了规划和估算，即对接银行;为银行开发和提供P2P服务的合作信贷公司和平台技术。马云泉(2012) 分析了P2P网络贷款的特点和原因，总结了网上贷款的运作模式，并从实证角度探讨了该平台的风险。在关于网络借贷监管的讨论中，很多学者持放任态度，也有一些学者认为应该加强监管。

1.3.2国外研究综述

Lopez (2009) 认为，目前的P2P借贷平台通常只从这个维度评估借款人。并从单个借款人进行审计，这就容易出现信用评级不够准确和信用风险松等方面的问题，贷款借款人应从多角度考虑借款人，全面审核和审核。Jentzsch (2007) 指出，由于该平台是在互联网上运作的，这就容易出现个人隐私暴露的问题。由于该平台的投资者们所倾心的投资产品大多具有高风险，这就导致了这些投资者们往往具有从众心理，而这些心理往往会使借贷平台所面临的风险增加，这是D Shen, C Krumme,ALippman (2010) 的观点。

1.3.3国内外研究评述

与国内外研究现状相比，由于整体金融环境的差异，P2P和P2P在外部条件下存在很多差异，直接导致研究方向的差异。由于国外监管信用体系的相对完善和P2P平台相对简单的商业模式，国外对P2P的研究主要集中在双方的个人特征和行为上。与国内P2P环境相比，平台运营还不成熟。实证研究没有长期的历

史数据。本文基于P2P的理论和研究。国内学者和P2P的起源和发展都处于发展阶段。为了研究P2P的特点和运作模式，讨论了信息与信用中介的关系。这是一个典型的研究开发纯在线或混合模型。这是对贷款和信贷的研究。然而，信用可靠性的债务转移模型是争论的焦点。关于离线模式是否是P2P的争论的关键在于信息是否公开透明。模型辩论没有理论基础，也没有实际标准。在线和离线模型都有意义。例如，离线模式的出现与当前的监管信用建设是不可分割的。在某种程度上，缺乏监管和信用调查系统导致P2P平台存在大量离线业务。同样，在不披露信息的机制下，单纯的使用互联网模式往往会出现一些不可避免的风险，比如自筹资金和资金池等。所以要从模型的背景为切入点，将潜在的风险和问题给与解决而不是进行肤浅的模态论证。

　1.4论文研究思路及预期成果

本文立足于国内外互联网金融和P2 P的发展。进一步讨论了互联网通过实例论证研究在P2 P贷款金融借款人违约因素研究，本文基于国内外相关文献的观点，结合P2 P市场借款人违约的问题，P2 P同时参考国外市场研究，得出影响借款人违约风险的相关因素，然后根据收集到的数据进一步分析支持借款人发生的相关因素的作用及其影响，最后综合论证，对我国P2P市场未来的发展和监管提出一些建议。

　2P2P网络借贷及国外实践

　2.1 P2P网络借贷的涵义及特点

2.1.1 P2P网络借贷的涵义

P2P网络借贷将互联网和信用贷款相结合的一种新型金融模式。P2P网络贷款的参与者包括贷方，借方和P2P网络借贷平台。贷方，投资者，是一个人谁希望通过把他或她的余款借给借款者来获得利润。当借款人的资金短缺时可以向银行贷款来获得一定的资金，但是这并不是所有人都可以的，仅限于个体工商户和中小微型企业，这是因为银行贷款要考虑到信贷水平，像工人、学生等信贷水平不足的，往往不具备向银行贷款来获取资金的能力。但是P2P在线借贷能够满足这些人的需求，他们可以从该平台来获得个人贷款来实现自身融资的需求。而作为中间人的交易平台往往会收取一定的费用，由于该平台只是提供途径为人们提供可供选择的信息，具体的操作还是需要人与人来进行，这就对信息的准确性提出了很高的要求，所以该平台要对借款人的信息要严加核实防止有人来发布虚假信息造成损失。

2.1.2 P2P网络借贷的特点

作为一种新型的金融机构，它与传统的金融机构在很多方面都存在着差异，如商业模式、监管交易体制等。该模式具备三大特征，如下所示：第一，入门门槛低，门槛低的门槛主要指两个方面：首先，从该贷款的角度来看，P2P借贷平台现在是一个监管真空，不需要访问。不需要批准，仅适用于行政，工商部门的行政许可。资格，两者的落后，往往会导致欺诈事件的发生。其次，从投资者的角度来看，因为该模式属于借贷公益，对投资者的需求很低，并不需要投资者投入数量很大的金钱，这就导致了它成为了一种更加大众性的金融投资工具。第二，信息更加的直接透明。借款人在该平台所发布的贷款信息里面包括了很基本的个人信息和贷款信用评级等，这样有助于投资者在该平台上对借贷者的信息有着更加直观的了解，根据财务状况和个人信息等投资者可以自行的做出判断并在平台上签订相应的贷款合同。第三，操作十分简单并且贷款效率非常高。而在传统的财务模型中，运作过程相对复杂，审计更加严格。最后，信用风险特征主要体现在P2 P网络平台贷款业务模式，达到风险支出贷款的目的。对P2P网络平台的贷款将分为许多小型投资者基金，信贷和贷款水平不同，因此，每个贷款期限，限额和利率都不同，这对降低风险起着至关重要的作用。除此之外该平台与传统的贷款方式相比并没有给借贷人明确一个固定的还款时间。只是在到期后，一次性利息支付将被偿还，这样会查找出借款人是否存在还款问题从而降低风险。

2.2 P2P网络借贷的国外发展现状

在国外，P2P网络借贷主要分为营利性和非营利性，前者包括纯中介模式和复合中介模式两种商业模式。

2.2.1纯中介模式Prosper

P2P网络借贷平台只是一个中介机构，不提供其他服务。Prosper是一个典型的AOL P2P借贷平台，具有纯中介模型。Prosper在2006年2月份正式建立其总部位于X旧金山，是第一家P2P在线信用平台。它最显著的特点是建立交易的方式是通过拍卖投标。这就是eBay在X最大的在线市场上交易的方式。

另一方面，Prosper的利润是通过向借款人和投资者收取费用来实现的，对于借款人费用收取，是将借款人的信用评级收取一定比例的本金，通常为1％或3％：反过来，Prosper将向投资者收取总投资的1％。

2.2.2复合中介模式 Zopa

Zopa,属于复合中介模型的P2P网络平台,这也是世界上第一个P2P网络借贷平台,2005年英国Zopa尤努斯教授的创始人的灵感来自“银行”模式,个人之间的借贷行为在互联网平台上,同时借助计算机“点对点”的概念,P2P网络贷款模型命名的正式诞生。经过十几年的发展，Zopa的商业模式得到了多方的认可，并在英国获得了多项投资。目前，该平台仍坚持以满足资金需求为主，以小额贷款为主。主要产品类型包括:汽车、住房、信用卡帐号等。在X，Prosper和LendingClub是两种典型的P2P平台。受X金融体系的影响，P2P在X逐渐成为一种证券化模式。一方面，这种贷款交易模式完全可以依靠互联网技术来满足部分人的闲置资金会起到作用，另一方面，它还不受地理位置的限制，利用网络平台帮助个人或中小企业主通过信用评级然后取得贷款。

　2.3 中国P2P网络借贷发展现状

经过近些年的发展，该种模式的贷款受到了更多人们的喜爱，在社会上的影响力也越来越大，该行业的逐渐发展壮大主要是通过以下四个方面开展的，分别是平台数量、交易额、贷款余额以及注册资金综合收益率。

2.3.1.平台数量激增

2007年8月份在上海成立的收个P2P平台标志着我国进入了P2P时代。虽然有过一段时间的沉默，但是在2011年之后仍处于快速发展阶段，数量方面也得到快速增长，2014年到2015年一年间其数量增加1575个，广东、山东和北京是我国平台注册的前三，其数量分别是476，329和302，共计1，107个，占全国运营平台总数的43%。

2.3.2 注册资金呈上升趋势

全国范围内新推出的平台在2015年累计达到了1500个，对比2014年注册的资本增长了40%左右，累计资金达到3885万元。注册资本在1000万到5000万之间，约为50%，注册资本在1500万到1亿之间。据不完全统计，2015年上市平台、国有资产和银行分别为48家、68家和14家。越来越多的平台具有强大的后台办公力，整个行业注册资本都出现明显增加情况。

2.3.3综合收益率进入下降通道

P2P行业在2015年时，综合收益率与前一年收益率为17.8%相比，低了4.5%。资本的供求关系被破坏时造成收益率下降最主要的原因。因为闲置资金不断涌入到P2P行业中，造成需求方的增长速度明显低于供求方，中国人民银行在16年3月1日的为2015年P2P行业综合收益率为13.3%，比2014年下降4.5个百分点。综合收益率在2015年前11个月继续下降。收益率持续下降的主要原因是资本供大于求。P2P行业吸引了越来越多的闲置资金，供方的增长速度超过了需求方。、016年3月1日，中国人民银行普遍下调金融机构存款准备金率0.5个百分点，这是自2015年以来的第六次下调。中国经济的持续低迷进一步降低了收益率，预计2016年行业综合收益率可能下降到10%左右。

2.3.4.成交量与贷款余额增长迅速

据统计数据显示，P2P行业的总交易量在2015年有较大的增幅，同比增长值达到了288%，总交易量为9823亿元。次年，总交易量预计将超过3万亿元。2015年，广东，北京，浙江，上海和江苏的前五大交易量分别占中国总交易量的87%，增幅超过2014年，上述省市集中该行业的主要交易。P2P行业的营业额2015年在广东的交易量达到了3109亿元，相比去年增长了3倍，并且营业额值在全国拿到了第一的桂冠，而相比第二和第三的营业额则是在北京和浙江两地达成，北京达到了2850亿元，浙江达到了1204亿元。贷款余额随着P2P行业的发展也在一起增长，全国的贷款余额在2015年达到了4394亿元佳绩，比2014年增长324%。按地区划分，北京、广东和上海位列前三，贷款3448亿元，占中国未偿还贷款的80%。仅在北京，就有超过1800亿元的未偿贷款。

第3章 P2P借贷中借款人违约风险及其相关理论分析

　　3.1 P2P网络借贷中借贷业务及对借款人信用的考察维度

3.1.1 P2P借款业务分析

在P2P平台上，在办理贷款业务时，必须遵循相应的业务规则和流程。客户投资进来的资金是该行业资金的主要来源之一，其他来源则是自有资金，所以为了提高回报率，必须严格把控风险。借款人也就是有贷款需求的人，他们在办理贷款业务时，第一步就是注册自己的信息，得到属于他们自己的登录帐户，并在一些应用程序或者网站上对他们的身份进行验证，并提供需要审查的材料，比如能证明自己身份的身份证信息，以及一些由银行提供的信用信息，和收入信息等，如果可以允许的话，用户的其他信用信息，平台也会利用一些方法手段来进行获取。平台在接收到这些用户信息后，开始对借款人信用进行评估，该过程需要根据模型规则和手册来进行，最终确定贷款和相应的金额。此后，为确保资金和利息的安全回收，平台将在借款人贷款后监督资金使用情况，督促借款人及时偿还贷款，查明违约情况，并采取相应的收款措施

3.1.2 借款人信用的考察维度

一般来说，一些互联网金融公司，如果该公司设有P2P借贷业务，那么它们将对借款人的信用状况进行多维度检查。除了一些基本的信息之外，还希望获取一些非传统金融机构的信用信息，比如：历史信用数据信息。P2P平台在移动端设备越来越普及的今天，累计得到了诸多用户的数据，其中包括申请贷款信息，信用数据信息，以及一些新型信用信息：网络行为数据和黑名单、社交软件信用信息和电子钱包信息、移动电话联系，在处理贷款申请时，都依赖这些数据，根据这些数据来确定用户还款的利息水平以及后续贷款操作。现在很多互联网公司都倾向于用这些用户数据（人际关系、身份信息、行为偏好等用户数据）来多维度的度量用户的信用，其中，教育和工作状态和收入消费的实名记录都属于身份信息。信用/银行卡、电子钱包和一些有关于信用记录信息都属信用记录信息。

3.1.3贷后的风险控制

对于贷前审核后的贷款，后续监管工作非常重要，因为贷款前复利的核心不能完全避免违约风险。如果获取的数据量不多，且还不能实现共享，那么用户所填写的信息不能保证其真实性，这会可能会造成借款人不遵守约定的情况出现。所以，在同意借款申请之前，必须获取到更多的借款人的历史数据，以此来完善和改进风险控制模型，并且能够发现那些客户群可能会违约。

　3.2 P2P借款违约风险与特征分析

3.2.1借贷违约的定义

如果签署贷款合同的当事人未能完成所签署的合同义务，这一行为被称为借款违约。在贷款过程中，借款人获得贷款后的利息，还款期限和还款方式一般事先约定。借款人未按合同约定支付本金和利息的，应当视为违约。

贷款违约根据不同的违约性质，可以分为以下五种类型：

(1) 借款人明确表示不能偿还贷款，而导致的违约情况。(2)借款人未能及时偿还部分贷款，导致违约。(3)借款人未在约定的期限内履行贷款的(4)如果借款人因未付利息而违约，贷款合同规定借款人应在贷款期限内分期支付利息。(5)借款人故意选择债务违约。

3.2.2 P2P借贷违约特征分析

在互联网金融的背景下，P2P的贷款违约与普通类型的违约在现在互联网金融为背景的时代中，其具备的优点更为独特：1.隐匿性:因为互联网的本质是虚拟的，所以对借款人的监控和还款情况的预测都是根据其提供的借款人信息来完成的，其预测的结果具有很强的不稳定性。2.容忍性:对贷款/风险市场的要求上来看，P2P借贷平台与传统机构相比要求更为宽松，一些不能在传统平台上借款的用户可在P2P平台上进行借款；3目的性:因为国家的法律在P2P平台上的借贷并没有规范的法律和政策，所以存在一些法律监管的漏洞，而一些借款人会利用这些漏洞而做出违约这一恶性行为，目的性非常明显。

3.3 P2P借款中借款人违约风险的影响因素分析

为了确定借款人的违约行为，有必要清楚借款人违约的原因，并要确保得到的信息数据中有与这些原因密切相关的数据字段。

借款人基本信息维度分析用户的情况，可知对默认值影响较大的信息包括收入、家庭财产和工作。用户的收入体现了用户的还款能力。如果收入低于贷款数额，就可能造成用户还款不及时，出现违约。拥有更多房产的客户比具有更多房产的能力和愿意更有能力履行还款合同。另外，从年龄的角度来看，与年轻人相比，中年人有因为有一定的基础，收入相对稳定，所以出现违约的可能性低。

(2)借款人的信用记录

分析用户的情况，可知，用户的信用记录良好，还款的能力强，就会按时还款，不会无故出现违约的情况。分析可知，用户的财产多，就能遵守协议，及时还款。另外，从年龄的角度来看，与年轻人和老年人相比，中年人有一定的财产积累，相对稳定的收入，以及普遍较强的还款能力。

(3)借款人的教育背景

从教育水平来看，教育水平越高，用户还款的意识强，一般不会出现违约的情况。但有时也会有一些例外。

(4)借款人的行为偏好

分析用户日常行为，每天购物的习惯和使用移动应用的行为可能会对P2P借贷的违约产生一定的影响。例如，每月在购物上花费过多，如果花费大于收入时，可能会出现违约情况。这就要关注那些经常利用互联网金融P2P进行借贷的人，防范他们出现违约。

(5)借款用户的社交网络

分析用户的社交网络，根据基本的人际关系，信用关系高的用户的还款意识强，基本不会违约。信用关系不佳的用户应注意违约的可能性。

　第4章 P2P借贷中借款人违约风险影响因素的实证研究

　4.1 研究设计

4.1.1 数据来源

为了深入研究我国的P2P在线借款人违约风险的影响因素，本研究选择人人网上贷款平台作为数据来源。结合P2 P网络贷款平台运营模式，默认还款，数据采集等方面。数据和完整性相关的因素。我国最早的利用互联网的P2P进行放款的机构是人人贷款，它是互联网协会信用评估中心评估的“AAA信用企业”。该平台在影响力，体积和整体实力方面处于领先地位。此外，人人信贷平台为每个目标借款人发布非常详细的个人信息，贷款信息，逾期和默认数据，为本研究提供收集数据的渠道。在所有次级抵押贷款平台,每个应用程序贷款贷款信息是唯一的链接存储贷款信息，如贷款额度，利率，付款，付款信息和业绩，以及借款人的信用评级。它还可以掌握借款人的信息，如年龄、昵称、学历、信用状况、家庭财产、工作关系和偿还贷款。它还发现用于存储和贷款的域名一致，而且在站点的后六位数据不一样。可以采集源代码数据并使用数据采集软

4.1.2 研究模型

（1）CRT模型（类别回归树）采用二元递归分类技术。所有CRT模型都只构建了两个分支的决策树，这意味着树中的每个节点只包含两个分支。首先，选择参数1x，然后选择值U1。 U1将n维空间划为两部分。其中一部分里的点符合Ui>Xi ，但是另外部分里的点符合足Ui<Xi 。其次，递归地重新选择这两个部分作为属性并继续分区，直到整个维度被分区。对于变量属性，其分区点是中点。如果m个样本集中，在m个连续的值中有m-1个裂纹点，每个裂纹点是两个连续值的平均值。每一种性质都是根据可以减少的杂质的数量来分类的。杂质还原量定义为除杂后各节点杂质比除以除杂前杂质比减去除杂后杂质比。如果Gini(A) 的值是0时，表明样本的属性相同。如果相似的概率出现在一个节点上时，Gini(A)达到最大值。此时(a – 1) / 2。有理论分析,实践递归分区是:如果当前节点的的样品不同或只有一个样品,然后节点是一个叶节点,所以尽量样品每一个和每个属性相应的部门点,试图寻找最大的杂质变量，而最优分支的属性分区子树。

(2) Logistic模型。Logistic模型的实质是用计算事物概率的方法来表现出变量的关系。此文中对二元Logistic回归模型进行了深入的研究，其中用Pi表示违约风险的概率，Pi的取值是在[0.1]范围内。可用以下公式计算:

变量X1 X2 X3…,Xn的线性组合用Zi表示,即子=ɑ+β1 x1 +β2 x2 +……+βnXn,

表示第I借方的特征，是变量的估计系数值，是常数项。

4.1.3 变量选择

分析在网络借款的用户的违约的风险成因，影响违约的因素包括用户的道德的高低、借款人的认证和贷款的数额及借款人信息。具体的变量描述和分配如表5-1所示。

P2P借贷中借贷人违约风险影响因素研究

根据具体的理论分析，研究以上的变量，假设: H1:借款人的信用评级越高，违约风险越低;H2:借款人的受教育程度越高，违约风险越低;H3:通过现场认证的借款人的违约风险高于未通过现场认证的借款人。H4:拥有收入证明的借款人的违约风险低于没有现场证书的借款人;H5:借款利率越高，借款人的违约风险越高;H6:贷款额越高，借款人的违约风险越高;H7:借款期越长，借款人的违约风险就越大;H8:女性借款人的违约风险低于男性借款人;H10:东部地区的借款人违约风险最低，其次是中部地区，西部地区风险最高;H11:已婚借款人违约风险低于其他婚姻状况;H12:借款人的收入越高，借款人出现违约的可能性越低。

　4.2 研究结果及分析

4.2.1 决策树分析

在此文中，用CRT分析研究，根据变量的分类和预测，因变量是P2 P贷款违约，表中的自变量在12个原因中，经过模型的分析判断，选用了六个自变量，分别是用户的信用评级、贷款日期、婚姻情况、学历、收入多少和贷款利率的高低，对于其他的因素，因影响不大，就不再考虑。在CRT分析研究中，涉及到了18个节点,10个叶节点数，树的深度是4。预测分类法将默认值分类超过50%的节点，因为只有两种可能的默认值。低于50%的案例百分比被归类为默认组，高于50%被分类为非缺省组。在10个叶子节点中，节点4,7, 8, 14，15概率要超过50%，归为默认组。这些违约组的节点描述为: (1) 在节点4,借款人的信用等级为AA，B和C.借款人的教育水平为高中以下或大专，违约概率为69.1%; (2)节点7，借款人的信用评级为D，E，HR，贷款期限超过15个月，违约概率为55.8%。结果显示了模型和节点的默认规则集，我们可以得出以下结论:(2)借款人AA, B，C, D和E的信用评级将影响借款人的违约率，借款人的违约率为1 10000年的信用评级; (3) 借款人的大专，高中及以下将增加违约的可能性; (4) 如果贷款期限超过15个月，则违约的可能性增加; (5) 未婚，离婚或丧偶借款人的婚姻状况使用户出现违约情况; (6) 当用户的收入较低，小于5000元时，用户出现违约的可能性加大。

4.2.2 Logistic 回归分析

现代社会出现众多网络借贷平台，因此本文主要研究借贷风险，通过SPSS 21 软件对 P2P 网络借贷借款人违约风险进行分析，首先建立Logistic 模型，对掌握的数据情况进行标准化分析再进行Logistic 回归，结果见表 5-5。

P2P借贷中借贷人违约风险影响因素研究

注：**代表1%水平下明显，*表示在 5%的水平下明显，从表5-5得知，Logistic模型中，违约风险与8个因素有关，分别是信用等级、受教育程度、收入水平、借款利率、借款金额、借款期限、收入认证情况、婚姻状态。由图可知，违约风险与众多因素有关，借款人信用等级越低、受教育程度越低、收入水平越低、借款金额越大，违约风险越大，反之，则越小。由此可见，违约风险与借款人信用等级、受教育程度、收入水平、借款金额等因素呈负相关。根据表中估计系数值可得出二元 Logistic 回归模型如下：

Z=3.724-1.324×信用等级-0.131×受教育程度-0.143×收入证明+0.179×借款利率-0.135×借款金额+0.356×借款期限—0.093×婚姻状况—0.223×收入水平。

P2P借贷中借贷人违约风险影响因素研究

表为回归模型的分类预测结果。回归模型分类后，将31688 30,970 分为非违约组(分类正确) ，将718 分为违约组(分类错误) ，准确率为达91.8%。对1648违约现象分类，有1229 为违约组(正确分类) ，419 为非违约组(分类错误)，准确率为 74.6。所有分类结果准确率为(29103+1229)÷33298=91.1%，由此可见，回归模型的正确率较高。

4.2.3 决策树模型与 Logistic 回归模型分析

在研究借用者违约风险的影响因素时，运用决策树CRT模型，来判断P2P因素，得出决策规则和结论。同时，Logistic回归模型的结果表明，借款人的信用评级，教育水平和收入证明影响P2 P违约风险。其中，借款人的婚姻状况、借款利率、借款期、和收入的高低等情况的准确率达91.1%。在研究准确性方面，这两种方法都优于决策树模型。这是因为决策树挖掘是一个复杂的模型变量，可以很好地避免变量之间的独立性。策略树生成共线干扰和决策树规则。易于理解的分支查看不

同变量值的默认概率。然而，逻辑回归模型非常适合本研究处理二元响应变量(如是否存在违约，是否有收入认证和现场认证等)和有序变量(如AA，A，B分类信用等级等，充分考虑所有情况。

第5章 P2P借贷中借贷人违约的对策与建议

　　5.1 对 P2P 网络借贷投资者的建议

5.1.1 着重参考借款人道德品质因素

据经验实证分析得出，在借款时，应着重参考借款人的道德品质因素，包括借款人的信用评级和教育水平，对违约风险有显着影响。以 renrendai平台为例。据多数贷款情况得出，借款人的信用等级越高，违约风险越小，信用等级越低，违约风险越高。从决策树还可以推断出，当借款人的信用评级为A时，默认概率为100。因此，在选择借款人时，投资者应首先检查借款人的信用评级。借款人的受教育程度与合同是否被违反呈负相关。因此，当投资者选择借钱时，他们应该选择教育收评较高的借款人，教育越高，违约风险越低，教育越低，违约风险越高。

5.1.2忽略借款人自然信息因素的干扰

在以上的研究分析之后，借款人的性别、年龄、与所处的地区在借款人自然信息中的违约风险之间没有明显的联系。换句话说，借款人的这些自然条件对借款人的违约风险几乎没有影响。因此，投资者在选择借款人时应特别注意这些信息，忽视信息的干扰，如借款人的信用评级，教育水平，收入等。由此可见，在选择借款人的时候，已婚借款人比未婚借款人更加适合，已婚借款人拥有家庭，社会关系复杂，不会卷款而逃，所以，投资者应当在相同情况下选择已婚的借款人，规避风险。

5.1.3 关注借款信息和借款人收入的情况

关于借款信息和借款人收入的情况，根据Logistic回归，得出以下结论，借的钱越少，违约的风险就越大。因此，投资者在选择借款对象时，不仅要考虑高利率和高收益率，还要考虑其他借款信息。根据贷款期限和金额进行选择。优先考虑低利率，高额贷款和短期借款。其次，借款人的真实信息对是否进行借款有重要的作用，尤其是收入水平，借款人的收入水平越高，相应的违约风险越低，收入水平越低，违约风险相对来说也就越高。投资者在进行借款时，要对借款人的身份和真实情况进行整体的研究，分析是否具有偿还能力，当符合真实情况后，在数量较多的借款人中选择收入较高的借款人，可以适当规避违约风险，减少投资者资产损失。

5.1.4理性投资合理应对风险

如何理性的投资，合理的应对风险。首先，投资者比拥有一个好的心态，不要跟风投资，不要盲目跟风，提高风险识别能力和对投资风险的认识，有独立的判断，理性的分析，不随波逐流，坚持自己的观点，选择适合自己的借款人。在选择P2P平台时，不应该在不了解该平台的情况下进行大数目的投资，应根据个人情况，闲置资金，用少量的资金(100-5000元) 去熟悉平台的流程，假设该平台不正规，可以避免更多的损失。在投资者对投资的平台产生信任后，对平台的总投资最好不要超过总投资的15%，投资没有绝对的信任，所以，应保留资金，避免损失。

　5.2 对 P2P 网络借贷平台的建议

5.2.1 建立健全的信用等级评价体系

根据目前较多借款人违约的现象，应该建立健全的信用等级评估体系可以起到防范P2P网络借款人违约风险的支撑作用。借款人通过填写P2P借贷平台的个人信息开始申请贷款。平台审计部门将审计借款人的信息，根据借款人提交的信息对借款人的信用状况进行评级，并通过评级来衡量借款人的违约概率。但是，每个网络借贷平台的运营模式不同，借款人的信用状况评估方法也不同。并且建立一个开放透明的全行业信用评分体系是非常有必要的。信用评分体系包括借款人的所有真实信息，并且要派专门人员定期更新信息，保证信息的真实性。在进行贷款时，如果发现借款人的信用档案中记录了不良行为，就应该跟踪借款人的借款目的。

5.2.2 加强对借款人受教育程度和收入的审核

P2P网络借贷平台在贷款前应该严格调研。了解借款人的信息，看是否具备偿还债务的能力，从社会角度判断借款人的道德品质和对贷款的价值观。在进行发放贷款之前，审查小组应实地考察借款人话语的真实性，对所说情况进行验证，保证话语的可靠性。根据研究得知，借款人学历越高，违约风险越低，文化水平越低，违约风险越大。收入水平越高，违约风险越低，收入水平越低，违约风险越大。P2 P借贷平台应侧重于审查借款人的教育和收入。

5.2.3 控制长期借款标的的发放

借贷现象频发，根据之前的借贷结果分析，借款人的借款越多，违约风险越高，所以，借款人的借款与违约风险为正相关关系。即借款人的借款期越长，贷款期限越久，借款人的违约风险越高，导致借款人无法控制自身财务状况，因此无法预测是否存在波动，这可能进一步导致违约风险。所以在进行贷款时，工作人员不但要了解借款人真实信用情况，还有严格把控借款时间，避免借款时间过长，产生违约的状况发生。国家应严格把控长期贷款目标的发行，尤其是信用评级较低的借款人，从长远来看可能面临较高的信贷风险。因此，不会发行长期贷款和低信用评级的贷款。

　结论

通过P2P网络借款人违约因素风险的分析，进行严格的讨论研究，得出以下结论：（1）在借贷平台上对借贷数据和借款人情况进行统计分析，得出了中国P2P借款人违约现状:默认值越来越大，逐渐增加的比例是长期违约，相对来说借款人中年轻人的违约率较高，而借款人中女性的违约率相对较低。(2) 通过查找相关材料以及数据，P2P网络借贷违约的原因是包括借款人的道德风险，贷款人与借款人之间的沟通以及了解不够以及借都会导致借款人的违约风险增加。(3) 通过决策树模型可以得出这个结论：P2P贷款失败，导致借款人违约的因素主要包括借款人的信用评级，教育水平，借款，贷款利率，收入水平和婚姻状况。其中，信用评级为万分之一，导致借款人违约，与借款人学历的水平有关，借款人水平应为大学或高中教育。Logistic回归模型结果表明，借款人的信用评级，教育水平，收入水平，收入证明，贷款金额与违约风险呈负相关，信用等级、收入水平越高，违约因素越小。借款利率越大，借款期越长，违约风险越高，所以，借款利率和借款期限与违约风险正相关。(4) 而对于投资者的建议则是:首先要准确了解借款人的品德素养，排除其他自然信息因素的干扰，了解借款人的信用评级和应对风险的能力。对P2P借贷平台的建议如下:完善信用评级体系，加强对借款人教育和收入的审查，控制长期贷款对象的发放。

　参考文献

[1]田朗亮民间借贷法律政策案例适用指南(增订版)[M].中国法制出版社，2012.

[2]涂志云，汪涛.国外个人消费信贷风险管理的经验及借鉴华北金融，2006(5)

[3]王春梅.互联网巨头的新战场[J].财经国家周刊，2013 (16) .

[4]王家卓，徐红伟2013中国网络借贷行业蓝皮书[M].知识产权出版社，2014.

[5]王新成，谈小生，周冲.第三方支付平台法制管理问题探究[J].中国信用卡，2013