| 标题 | 大数据下小微企业信用分析 |
| 范文 | 朱兆迪 尚林波 吴婷 贾玉林 [摘 要] 大数据时代下，小微企业的繁多数据依附于互联网而存在。建立小微企业的信用评价体系，便于小微企业与银行的贷款交易。小微企业规模小，其主要经营者的信用水平至关重要，在很大程度上影响了小微企业的信用水平。本文选取小微企业主要经营者基本信息、社交人脉、消费行为、App使用、银行记录五个方面分别运用logistic回归、主成分分析、RFMS模型、App得分和ROC曲线等方法来对其按期还款概率进行刻画，用雷达图给出了小微企业主要经营者的信用画像，结合企业竞争力、发展潜力等其他因素，运用层次分析法和专家分析法确定了所有因素在信用评价中的权重，构建出大数据下的小微企业信用评价体系。 [关键词] 计算机；云计算；数据存储技术；分析 doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 09. 080 [中图分类号] TP315 [文献标识码] A [文章编号] 1673 - 0194（2019）09- 0177- 02 1 时代背景与信用分析意义 近年来，国家大力推行普惠金融政策，鼓励扶持小微企业的发展，然而在其迅速发展的同时也面临着融资难、贷款难的瓶颈。相比于大中型企业，小微企业经营风险大，缺乏担保物，财务体系不規范，使得银行难以核实其信用水平，无法按照原有的信贷体系向其发放贷款。因此，鉴于小微企业的独特特征，亟须建立区别于大中企业的信用评价体系。该信用评价体系主要用于弥补银行现有信用评价体系无法准确评估小微企业信用的问题。准确评价小微企业的信用，可以合理降低银行贷款风险，增加银行对小微企业贷款额度，有效解决小微企业贷款与银行利益之间的问题。 2 小微企业信用评价体系的建立 2.1 信用评价体系的评价主体 对于小微企业的评价体系，应主要从小微企业主要经营者和企业自身发展状况两方面来评价小微企业的基本状况。其中，企业主要经营者代表的信用水平至关重要，在很大程度上影响了小微企业本身的信用水平。 2.1.1 小微企业主要经营者的信用评价 针对小微企业的信用评价体系应能够体现出企业主要经营者的信用水平，本文从企业经营者的基本信息、社交人脉、消费行为、App使用、银行还款记录五个方面进行分析，建立小微企业主要经营者的信用画像。 （1）基于主要经营者基本信息的信用分析 小微企业主要经营者基本信息的信用分析是构建个人信用画像最基础的一步，主要经营者基本信息应具有能够反映个人基本生活情况的特性，本文选取年龄，性别，学历，未婚/已婚，未育/已育五个指标作为主要经营者的基本信息，这五个指标与主要经营者是否按期还款之间的关系是本文所研究的。 将主要经营者是否按期还款作为因变量，基本信息的五个指标作为自变量，对各变量随机生成1 000个样本点，通过建立Logistic回归模型进行研究，此处因变量具有两个分类0和1，所要建立的则是一个二分类Logistic回归模型： 得到函数： 当t的取值足够大的时候，可以看成0或1两类问题，即：p>0.5时，预期结果y=1，按期还款；p<0.5时，预测结果y=0，不按期还款将各变量随机生成的1 000个样本点通过SPSS进行Logistic回归预测，可算出主要经营者在基本信息给定情况下的按期还款概率。 （2）基于主要经营者社交人脉的信用分析 小微企业主要经营者的社交人脉在一定程度上反映了个人的信用水平。本文将挖掘社交人脉的大小与小微企业主要经营者信用水平之间的关系。本文选取qq好友数，微信好友数，微博粉丝数三个变量作为主要经营者的社交人脉，对各变量随机生成1 000个样本点，通过主成分分析构建与主要经营者是否按期还款之间的关系模型。 （3）基于主要经营者消费行为的信用分析 主要经营者消费行为能够反映其资金水平，一个较好的资金水平，可以理解为贷款人有较好的还债能力，那么其按时还款率就应该很高。 随着互联网科技的发展，尤其现在支付宝，微信支付的广泛应用，使的这些数据都一一被记载在了网络之中，那么便可利用这些数据对一个人的消费行为进行分析，进而挖掘出与其信用水平之间的关系。 本文我们用RMFS模型对主要经营者的消费行为进行分析。如果R和S越小，F和M越大，则说明主要经营人的财务状况良好，还款能力越强，那么其还款概率就会越高。 （4）基于主要经营者App使用的信用分析 首先，定义App得分： 着重对热门App进行分析，按期还款用户更喜爱安装理财类、招聘类、教育类APP，而非按期还款用户更喜爱安装借贷类、虚拟类、娱乐类App，这对于银行甄别按期还款用户和非按期还款用户提供了一种方法。 计算所有App中得分最高的App，将此得分定义为极优值，则可计算用户极优指数，现将用户极优指数定义如下： 显然用户极优指数越高，该用户的按期还款率就越高，即有较高的信用水平。通过用户极优指数，银行则可定量的衡量来贷款的小微企业主要经营者的得分，以此来判断是否要贷款给此用户。 （5）基于主要经营者银行记录的信用分析 小微企业主要经营者银行记录是指传统模式下银行对用户已有的数据，包括上次用户是否按时还款，信用卡还款情况，用户自身银行卡级别。这些指标在一定程度上都能反映用户信用程度，本文这里采用Logistic回归挖掘这些数据内在的联系，并用ROC曲线刻画对用户是否按时还款预测错误概率与预测正确概率之间的关系。 此Logistic回归仍是一个二分类回归，对各变量随机生成1 000个样本点，通过SPSS进行分析可算出对给定一组自变量值时的预测按期还款概率。 可以模拟数据生成ROC曲线。其中，特异度即为将不按期还款的人预测为按期还款的人的概率；灵敏度为将按期还款的人预测为按期还款的人的概率。 易知ROC曲线以下的面积越大，则说明这个预测模型越好，将ROC曲线以下的面积定义为AUC值，AUC值的计算如下： 其中，M为预测正确的样本数，N为预测错误的样本数。 银行可通过不断选取用户在银行已有的数据作为自变量，通过比较不同自变量所得到的ROC曲线以下的面积大小来选择出一个预测能力最优的模型，从而精确找寻到那些信用水平较高的小微企业主要经营者。 2.1.2 建立小微企业主要经营者的信用画像 通过对小微企业主要经营者基本信息、社交人脉、消费行为、App使用、銀行记录五个方面分析，可构建出小微企业主要经营者的信用画像，此信用画像可以用雷达图表示。 各指标数据越接近1，用户的信用水平就越高，通过各指标期望和方差可以定量的描述一个人的综合信用水平。银行自然希望贷款人按期还款概率的期望越高越好，方差越小越好。 2.2 小微企业信用评价指标的选取 根据小微企业的特点，现选取以下指标评定小微企业的信用。 小微企业信用评价指标体系的指标分为法人代表方面的指标（基本信息、社交人脉、消费行为、App使用、银行记录）和非法人代表方面的指标即企业竞争力（企业技术先进性、产品替代性、品牌信誉、经营状况）、企业发展潜力（政府政策、行业状况）、企业发展能力（总资产增长率、营业收入增长率、利润增长率）、企业财务状况（企业盈利能力即成本费用利润率）。 2.3 计算各层次因素的权重 对于影响小微企业指标的权重确定是非常重要的，小微企业的资料较难获得，大多数都没有公开，可以采用层次分析法和专家分析法对指标的权重进行确定。 首先，构建递阶层次结构。构建小微企业信用评价指标体系需要结合小微企业的特点，参照其他信用评价体系，列出一级、二级指标，准确表示出相对关系，构建框架。其次，构建判断矩阵。表示每一个层次及元素的相对重要性程度。对每一层次的指标进行重要性评分，确定该层元素的重要性排序情况，代表对上层次元素的相对重要性程度。再次，层次单排序。根据矩阵计算出每个判断矩阵的最大特征值和特征向量并检验其一致性指标和一致性比例。若满足一致性检验，则将特征向量进行归一化即该判断矩阵的权向量。最后，层次总排序。利用层次单排序的结果进一步计算得出总排序结果。 小微企业数据信息较少，无法使用通常的统计学方法，所以再采用专家打分法。依靠专家对每一个指标的相对重要性评价进行相对重要性评价从而得出重要性判断矩阵，再进行运算得出特征向量。根据一级指标和二级指标判断矩阵的分析。应用层次分析法和专家评分法可得出小微企业信用评级指标体系及权重。 主要参考文献 [1]袁红林.完善小微企业政策支持体系研究[M].大连：东北财经大学出版社，2010. [2]王德勇，陈晓钢.浅析小微企业信用评价指标体系的构建[J].中国商界，2008（6）：56-60. [3]李国青.中小企业信用评级指标体系构建研究[J].财会通讯，2010（14）：41-42. [4]赵颖，金海清.中国民营企业资本运营的风险识别[J].经济研究导刊，2011（11）：17-18. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。