向玉婷 潘莉

摘 要：近年来网络借贷业务竞争激烈，个人信用贷款的风险控制已无法忽视。因此为帮助金融平台规避个人不良借贷的信用风险，本文以蚂蚁花呗和京东白条为例，运用R软件，通过建立关于还款理想程度的定序回归（probit）模型寻找影响还款状况的显著因素。研究表明，对数平均信用额度（累计信用额度/平台开户数），性别，常住地、网络贷款频率均为显著影响因素。并对该模型的预测准确度进行验证，结果显示：该定序回归模型的精确度可以达到67.69%，但该模型对类1，类2的判断准确率较低。

关键词：个人贷款风险;定序（probit）回归;还款理想程度模型

1研究背景

随着网络金融不断发展壮大，网络借贷作为互联网金融的一部分，因其借贷门槛低，放贷速度快的信用贷款模式成为当前市场上小额贷款的首选方式。当前最受追捧的网络贷款类型当属网络信用贷款，例如蚂蚁集团的蚂蚁花呗、蚂蚁借呗，京东金融的京东白条、金条，度小满金融有钱花等。与传统贷款发展相同，网络小额信用贷款也存在风险控制问题，如逾期还款、不还款、金额套现等。由于很多平台对个人信用的风险把控不严，导致部分资信不良的个人成功借贷，使金融平台遭受损失。本文针对目前互联网金融和个人信用贷款的大背景，欲通过收集用户基础信息与历史借还款状况信息去构建个人信用贷款风险模型，帮助金融平台规避个人不良借贷的信用风险，构建互联网金融借贷的优质客户画像。……