赛车

从美国P2P平台看我国个人信用体系建设

2019-07-18 05:21:57来源:励志吧0次阅读

从美国P2P平台看我国个人信用体系建设

美国第一家P2P平台Prosper成立于2006年2月5日,平台拥有160万会员,借贷总额超过5亿美元。借款人要想在平台上获取资金,需要先在站上注册并提交个人相关信息证明材料。平台会先审核借款人的个人信息,一旦信息准确性得到确认,借款人便可以在平台上开展交易。随后借款人发布借款标的,标的内容包含他的个人信息,如:性别、年龄、收入、婚姻状况等和借款相关信息,其中包括借款金额、借款期限、能接受的利率等。当投资人搜索到标的后,可以根据自己的需求和判断决定是否投资。值得注意的是,单一投资人最低的投资额度是50美元,这就意味着他的投资额不用覆盖整个标的,这就大大降低了风险。根据竞价机制,投资人为标的竞价,利率较低者中标。当竞价过程结束后,该标的会被关闭并交由平台审核。一旦审核通过,资金就会由投资人的账户转到借款人账户。平台会收取一定比例的手续费,手续费最高为借款总额的2%。LendingClub是另一家美国P2P平台,成立于2007年,他的机制和功能与Prosper相似。

一方面,借款人提供了大量的信息,另一方面,最终利率是由投资者竞价得到的。那么,究竟借款人的那些信息对于利率的确定起着决定性的作用?本文搜集了Prosper上477笔交易数据和LendingClub上475笔交易数据,尝试用回归分析的方法来解决该问题。

本文选取最终利率为因变量,自变量包含:个人信用评分、Prosper评分、借款金额、初始利率、房屋所有权、负债收入比,就职情况、收入水平、集体借款情况、投资者数量。

运用STATA作回归分析可以发现:

1、大部分变量的相关性都比较低。金额和投资者数量相关性最高,为0.89,因为金额较大的标的能吸引较多的投资者。初始利率和最终利率的相关性也比较高,为0.88,意味着初始利率是最终利率的一个很好参考。

2、Prosper的回归结果如下:R-square是0.8978,意味着89.78%的变化可以被自变量所解释。初始利率,Prosper评分,信用评分和收入水平在99%的置信区间都是显着的。投资者数量在95%的置信区间是显着的。借款金额在90%的置信区间是显着的。房屋所有权,债务收入比,就业情况和集体借款情况在90%的置信区间都是非显着的。Prosper评分,信用评分,收入水平和投资者数量的相关系数都为负值,意味着这些变量和利率水平负相关。标的金额和初始利率与最终利率正相关。

3、同样得到LendingClub的回归结果,相比较发现:收入水平在Prosper是显着的,但是在LendingClub不是显着的。房屋所有权和负债收入比在LendingClub是显着的,但在Prosper不是显着的。值得注意的是,只有信用评分在两个平台都是显着的,并且在99%的置信区间都是显着的。通过比较得出结论:信用评分是影响P2P平台利率水平的最重要因素。信用评分越高,利率水平越低。

一方面,个人信用评分在P2P平台中如此重要,另一方面,中国还未建立全民征信系统。个人信用体系的缺失严重制约了中国P2P平台的发展,在没有借款人信用评分的情况下,平台上的投资者难以判断借款人的真实信用,这无疑加大了投资风险。全民信用体系建设在我国才刚刚起步,还有很长的一段路要走。既然全国性的信用体系建设不是一朝一夕可以完成的,那么P2P平台自身能否率先建立属于自己的信用体系呢?Prosper提供了Prosper评分,国内的平台能否着手建立属于自己的信用评分体系呢?

以宜信为例,借款人需要提供一系列的信息,包括:借款金额、年化利率、借款期限、借款描述、年龄、性别、学历、收入、婚姻状况、现居地和信用卡额度。借款人需要上传身份证复印件、信用报告、收入证明、工作认证及房产认证供平台审核。如此多的信息为建立信用评价体系提供了可能。

为了建立一个信用评分体系,平台可以对大量信息进行分析并赋予各项信息一定的权重,如:学历占比10%,收入占比30%等。然后把各项信息量化,如:本科学历得7分,硕士学历得8分;收入在5000元-10000元得7分,10000元以上得8分等。这样就可以得出某一借款人的信用评分,可以称之为宜信信用评分。在建立初期肯定有很多不完善的地方,可以根据交易的开展来进行调整,如:借款人按时归还借款,信用评分可以有一定幅度的提高,或是在实践中不断修改各项信息的权重和得分。

P2P平台建立自己的信用评价体系可以提升平台服务水平,降低经营风险,有助于吸引更多的投资者,增强客户黏性。与此同时,这些个人投资者的信用报告对我国整个信用体系的建设都大有裨益,也为P2P平台同银行等金融机构合作提供了可能。

有限公司董事总经理)

seo优化怎么做
微店店长版网页版
免费微商城
分享到: