个人信用评价研究综述

来源:用户上传      作者:

　　摘 要：在全面推进社会信用体系建设的时代背景下，建立科学有效的信用评价指标体系及模型，是切实应对当前日益突显的信用缺失问题、改进信用评价落后现状的前提和基础。梳理了国内外众多学者的科研成果，从信用评价体系和评价模型方向开展个人信用研究，对个人信用相关研究进行整理总结，以期为相关学者提供参考与借鉴。
　　关键词：个人信用评价;信用评价体系;信用评价
　　文章编号：1004-7026（2019）08-0014-02         中国图书分类号：F832.749         文献标志码：A
　　 孔子曰：“言必行，行必果”。幾千年来，诚信一直是炎黄子孙所传承的优良品德。随着社会的快速发展，我国社会诚信和信用水平缺失问题越发突出[1]。社会信用体系建设引起了党中央、国务院的高度重视，个人信用是整个体系成立的基础。近年来，信用消费不断发展，汽车贷款、信用卡等各种消费贷款都亟待信用作保。然而，由于我国个人信用体系尚不完善，信贷风险也随之加大。加强对个人信用评估方法和指标的研究，对借款人信用风险进行科学评估，确定贷款的风险水平并加强风险管理，可以极大地降低银行开展消费信贷的风险，从而提高其放贷的积极性，促进消费信贷的快速发展，最终实现拉动经济增长的目的[2]。本文通过深入分析国内外学者对个人信用的研究，从信用评价体系和信用评价模型方法两个方面进行整理分析，以期为相关学者提供一定借鉴与参考。
　　1  信用评价体系研究综述
　　 信用评价指标体系在建立中不仅需要突出其高效运行的特点，也要注重其指标的稳定性、全面性。国内外信用评级中通常采用5c分析法（2016），其主要从借款人品德、还款能力、资本实力、担保、经营环境等指标来判别借款人的还款能力。而现有的评估方法都较好地体现了决定信用评级的重要因素，其为构建信用评估指标体系提供了一定理论基础。在国内个人信用评估体系研究中，由于历史和体制的原因，我国关于个人信用评估理论的研究起步较晚，主要是借鉴国外的理论和方法，研究主要分为两个阵营：一是以银行等金融机构的人员为主，研究我国征信系统相关问题;另一阵营是以高等院校为主，主要是通过对国外方法的改进和对比，进行实证研究[3]。
　　 目前，国内外学者关于大学生个人信用画像的研究，主要集中在两个方面。
　　 其一是评价指标内容。刘根（2018）通过建立逐步回归模型，研究影响大学生信贷消费的因素随着性别、专业、生源地、家庭背景的不同而有所差异;Shweta S等人（2016）研究大学生在使用信用卡时发现，多数人不准备负责任地使用信用卡或及时还款，其反映了这部分学生缺乏信用知识和不负责任的信用管理;James W P等人（2016）认为，在学费上涨及更少资助金的情况下，父母是否参与、冲动的强迫症、金融焦虑、社会地位、唯物主义和控制点是促成大学生使用信用卡的主要因素。
　　 其二在构建信用评价指标系统方面。Joshua L等人（2018）使用FICO方法，开发了一种基于多标准决策原则的信用评分模型决策支持工具，该工具很好地反映了借款人在每个评分维度上的优势和劣势;Caterina L等人（2018）通过构建信用评分的分类模型，并将基于内核的分类器与标准分类器的性能进行对比，发现只要人格态度包含在模型中时，才会使得评估影响信用的每个预测变量更具有利用价值;Matt S G（2019）通过调查学生转学前后的学术特征、人口特征等，表明了学生的学分损失与其信用损失有很大联系。
　　 在大学生个人信用画像构建的研究中，国内外学者侧重大学生在校的各方面表现，而忽略了其与社会的相互作用。在大数据时代下，传统管理决策方法受到了极大的挑战，粒度缩放、跨界关联、全局视图等全新的、基于大数据驱动下的视角（2018），将有效应用于大学生个人信用画像的构建，从大学生的网络社交、与金融机构发生的履约记录及与电商平台的交易记录等，都是构建大学生个人信用画像的重要因素。
　　2  信用评价模型构建研究综述
　　 现阶段国内外在信用评估方面所运用的方法主要有古典信用、统计学、运筹学、人工智能、混合优化等5大类[4]。
　　 在古典信用方面，吴晶妹（2015）指出信用是三维的：一维是诚信度，二维是合规度，三维是践约度，信用主体的信用状况依据这3个维度进行综合判断。Mohammadi（2016）用5c分析法，从借款人的道德品质、还款能力等5个方面评估了自然客户的信用风险;王海峰、张晓妮等人（2017）提出利用模糊聚类和熵权法对个人信用进行打分，并进行等级的划分，从而建立评估模型，但是利用该方法分析这类问题得到的结果主观性较强。
　　 在统计学方法方面，张成虎（2009）提出利用多元线性判定分析法对个人信用进行评分;Abdou H.A等（2011）通过对不同统计技术和绩效评估标准的广泛研究，提出了信用评分的发展方向及其重要性;Louzada（2018）提出一种生存信用风险模型，该模型共同适用于银行贷款组合中发现的3种违约时间。
　　 在运筹学方法方面，朱毅峰等人（2008）通过CHAID决策树精炼提高“坏客户”的正确划分率，从而降低风险;Yusuf T I（2012）与模糊TOPSIS和线性规划（LP）方法，结合不同类型的信用标准为银行的信用风险集中决策带来了更高的一致性;Guo Minmin（2013）用随机AHP和模糊AHP方法帮助决策者对财务风险确定信用评分。
　　 随着计算机技术的发展，国内学者利用人工智能的方法进行评估分析。刘冉（2007）提出基于神经网络的个人信用评估模型。针对单一分类器导致的过拟合且精度有限的问题，洪远芳、邹永福（2010）将个人信用数据混叠较严重的数据集，提出对数据集先利用最近邻算法进行修剪，再应用SVM算法对个人信用进行评估;萧超武等人（2016）提出了随机森林组合分类算法的个人信用评估模型。Li Y、Lin X等（2017）分析商业银行现有信用风险度量模型不足和缺陷，建立以神经网络学习算法为主的风险计量模型;Yu L等（2018）提出一种基于深度信任网络（DBN）的重采样支持向量机（SVM）集成学习范式，以解决信用分类中数据不平衡的问题。虽然机器学习减少了人工误差，但是存在着计算量大、耗时长等问题。后期主要是将多种方法进行结合，优化单一方法，使得评估效果更佳。林娟等（2013）提出了基于遗传算法和ANFIS的个人信用评分模型，只需要少量的属性变量就会有较好的评分结果;代婷婷等（2017）提出在SVM的基础上利用统计的方法对个人信用进行评估，解决了单一的SVM模型训练时计算量大、学习速度低的问题。Li Changjian（2017）用粒子群优化人工神经网络方法对农村信用社的信用风险进行评估，有效提高网络收敛速率;王晓慧等（2018）运用判别分析法构建关于样本的评分模型，再用神经网络法对样本进行评分预测，并对神经网络预测得分进行降序排列，最后进行有序样本最优分割，实现个人信用的等级划分，从而选择优质客户，降低信贷的风险;Chen K等（2020）将大数据下的逻辑回归算法与证据权重相结合，构建混合评分模型，提高了信用评分的预测准确性[5]。
　　3  结束语
　　 通过梳理当前国内外学者对个人信用评价体系及模型构建的研究，深入了解当前研究个人信用的发展进程。在信用评价体系方面，要从评价指标内容及构建评价指标系统方面;在信用评价模型方法方面，主要从古典信用、统计学、运筹学、人工智能等5大类方法展开研究，通过对当前国内外个人信用研究成果的整理，以期为相关学者提供借鉴与参考。
　　参考文献：
　　[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]陈国青，吴刚，远东，等.管理决策情境下大数据驱动的研究和应用挑战——范式转变与研究方向[J].管理科学学报，2018，21（7）：1-10.
　　[3]吴晶妹.从信用的内涵与构成看大数据征信[J].首都师范大学学报（社会科学版），2015（6）：66-72.
　　[4]艾洪德，蔡志刚.个人信用制度：借鉴与完善[J].金融研究，2001（3）：106-115.
　　[5]宋芳秀.个人信用制度中政府作用的范畴和边界：理论分析与经验借鉴[J].生产力研究，2008（8）：46-48.
转载注明来源:https://www.xzbu.com/1/view-14891160.htm