摘 要：文章是探討基于手機(jī)平臺的用戶群局限為企業(yè)團(tuán)內(nèi)部人群的P2P借貸系統(tǒng)項目本身的借出與借入需要的相應(yīng)的信用評價模型，和風(fēng)險機(jī)制。以最直觀的方式，讓貸方對資金的流出進(jìn)行選擇。本模型相比面向大眾的P2P借貸信用評價模型而言更簡潔直觀，直接與企業(yè)內(nèi)部職員信息與工資掛鉤，免去了與銀行信用中心打交道的繁瑣流程，且一定程度上降低了壞賬風(fēng)險，安全性更有保障。

　　關(guān)鍵詞：經(jīng)濟(jì)學(xué)論文范文,P2P,借貸系統(tǒng),企業(yè)內(nèi)部,信用評價模型,風(fēng)險機(jī)制

　　1 P2P借貸系統(tǒng)的信用評價體系與風(fēng)險機(jī)制

　　所謂P2P借貸系統(tǒng)的信用評價體系，是指個人在初次進(jìn)入系統(tǒng)時按照個人資料進(jìn)行判定所得的最初信用認(rèn)證，以及交易雙方在一筆交易完成后，在評價有效期內(nèi)，根據(jù)本次交易的情況對交易對象進(jìn)行相互評價，形成信用的信息反饋，并將一個用戶得到的所有評價按一定方式集結(jié)為該用戶的信用度和信用記錄，用以反映該用戶的信用狀況，供其他用戶作交易決策參考。而相應(yīng)的風(fēng)險機(jī)制，則是系統(tǒng)為了避免產(chǎn)生借款拖欠或者其他人為與非人為原因造成壞賬率而采取的措施和運營方式。

　　1.1 現(xiàn)有的P2P信用評價模型與風(fēng)險機(jī)制

　　1.1.1 信用評價模型

　　拍拍貸的信用評價體系會根據(jù)借款人提供的資料將借款人分為AA、A、B、C、D、E、HR七個等級，信用等級的分?jǐn)?shù)同時包括網(wǎng)上得分和網(wǎng)下得分，網(wǎng)上得分一般為認(rèn)證得分。網(wǎng)下得分是根據(jù)用戶提交的其他信息來確定的，包括年齡、學(xué)歷、工作、收入等各個因素。

　　1.1.2 風(fēng)險機(jī)制

　　拍拍貸根據(jù)借款人的真實身份、銀行存款、動產(chǎn)及不動產(chǎn)等信息對借款人進(jìn)行信用評級。與此同時，拍拍貸攜手身份網(wǎng)并基于“全國公民身份信息系統(tǒng)(NCIIS)”來推出權(quán)威的身份認(rèn)證方式。

　　1.2 P2P信用體系與風(fēng)險機(jī)制存在的問題

　　1.2.1 缺少相關(guān)法律規(guī)定，從而缺乏監(jiān)管

　　由于缺乏相關(guān)法律規(guī)定，P2P網(wǎng)絡(luò)借貸業(yè)務(wù)無法被明確的界定，從而缺少監(jiān)管，目前仍無法確定到底由銀監(jiān)、工商、通信、公安、哪個部門監(jiān)管或協(xié)管。

　　1.2.2 貸款者面臨壞賬風(fēng)險

　　目前貸款者在P2P網(wǎng)絡(luò)借貸平臺上進(jìn)行投資，面臨兩類風(fēng)險：一是平臺運營風(fēng)險，二是借款者不按時還款及惡意拖欠造成的壞賬風(fēng)險。

　　1.2.3 平臺信用風(fēng)險及個人信用風(fēng)險

　　(1)借貸平臺信用風(fēng)險。作為新興行業(yè)，進(jìn)入門檻低，注冊沒有資本金要求，不少缺乏實力及運作經(jīng)驗的人可以大量開辦。(2)借款人信用風(fēng)險。中國個人征信體系不完善所帶來的風(fēng)險

　　1.2.4 網(wǎng)絡(luò)安全風(fēng)險

　　(1)用戶數(shù)據(jù)泄露，個人資料泄露會給用戶帶來重大損失。(2)平臺賬戶被不法者利用。平臺本身疏于自律，或內(nèi)部控制程序失效，導(dǎo)致不法人員捏造借款信息出現(xiàn)非法集資的情形。

　　2 用戶群局限于企業(yè)團(tuán)內(nèi)部的P2P借貸的信用評價模型與風(fēng)險機(jī)制

　　2.1 信用評價模型

　　2.1.1 初次注冊用戶信用評分(信用認(rèn)證)

　　首先對于P2P的借貸系統(tǒng)的注冊，由于系統(tǒng)的客戶人群定位局限于企業(yè)團(tuán)內(nèi)部，故人員的具體詳細(xì)信息在后臺的數(shù)據(jù)庫中均存在。從而無需像一般借入申請一樣需要前往征信中心，獲取個人信用報告，有效的避免了冗雜的借款流程。當(dāng)注冊時，系統(tǒng)直接從數(shù)據(jù)庫端進(jìn)行信息查詢，數(shù)據(jù)庫中只有存在人物信息，方可允許進(jìn)行注冊，否則拒絕注冊。注冊成功之后，系統(tǒng)通過對于有無住房、有無抵押、個人收入、工作年限、婚姻情況、職位性質(zhì)、戶籍情況、文化程度、年齡等方面進(jìn)行相關(guān)計算給出對個人的信用認(rèn)證，以及初次評分。接著，由同時調(diào)出的存在數(shù)據(jù)庫中的個人信息檔案，系統(tǒng)進(jìn)行后臺打分。由得出的分?jǐn)?shù)以及企業(yè)分?jǐn)?shù)的折算比加成為個人的初始借款信用評分。企業(yè)與個人信用所得評分進(jìn)行加成之后為個人初始借款評分，即初次注冊用戶的借款信用評分，供借出人進(jìn)行參考。在注冊時，系統(tǒng)直接可以獲得用戶的工資卡信息，且用戶提出借款申請時需要授權(quán)系統(tǒng)在必要時可以直接從用戶工資卡中提取相應(yīng)金額，來防止用戶而已拖欠還款，而進(jìn)行相應(yīng)的強(qiáng)制手段。

　　2.1.2 用戶進(jìn)行借款操作的評分標(biāo)準(zhǔn)

　　對于用戶的不同還款行為給予相應(yīng)的獎勵與懲罰。

　　每一次成功的交易，以用戶還清所有的借款為準(zhǔn)。系統(tǒng)采用分散投標(biāo)方法，即每一次借款均拆成多份進(jìn)行投標(biāo)，從而降低風(fēng)險。

　　2.1.3 用戶進(jìn)行借出操作的評分標(biāo)準(zhǔn)

　　對于作為出借人，根據(jù)投標(biāo)行為進(jìn)行相應(yīng)加分，分?jǐn)?shù)主要反應(yīng)的是用戶作為出借人的投標(biāo)表現(xiàn)，在需要借款時，也具有一定的個人信用評判價值。

　　2.2 風(fēng)險機(jī)制

　　2.2.1 自己治理，自己監(jiān)管

　　作為企業(yè)團(tuán)內(nèi)部的P2P借貸系統(tǒng)，對于特定人群，整個系統(tǒng)的后臺操縱都是企業(yè)團(tuán)內(nèi)部人員，比較公正。是一款相當(dāng)純凈的P2P借貸系統(tǒng)，極大的降低了運營風(fēng)險，且由于數(shù)據(jù)量相比其他借貸系統(tǒng)要小的多，在整體維護(hù)方面要輕松的多。由于操縱系統(tǒng)以及管理的權(quán)力交由整個企業(yè)團(tuán)，故而在借貸過程中，沉淀下來的資金由于受到各加盟商的監(jiān)管，固然不會挪用此部分資金。

　　2.2.2 極大降低壞賬風(fēng)險

　　對于個人風(fēng)險方面，如若出現(xiàn)惡意拖欠，在申請借款流程的流程中，有一項必要的協(xié)議：允許系統(tǒng)直接調(diào)用工資信息。同意之后方可申請借款成功。30天未還款，則直接系統(tǒng)判定為由系統(tǒng)直接通過強(qiáng)制手段從用戶工資渠道直接扣除等額工資，彌補沒有還清的金額。

　　2.2.3 平臺信用風(fēng)險和個人信用風(fēng)險

　　此款系統(tǒng)直接由企業(yè)團(tuán)進(jìn)行運營，嚴(yán)格意義上來講雖然屬于第三方，但是運營方與借貸雙方有著直接的附屬關(guān)系，而且由各加盟商進(jìn)行監(jiān)管和協(xié)管，因此實際運營情況對所有加盟商以及所有借貸人員來說都相當(dāng)透明，更不存在運營方攜款而逃等詐騙現(xiàn)象。相比于還不完善健全的國內(nèi)的征信體系，以及相當(dāng)大數(shù)據(jù)量的全民信息，本系統(tǒng)基于的個人數(shù)據(jù)庫僅僅為企業(yè)團(tuán)內(nèi)部職工人員的信息，且信息充足，償還能力透明，不會出現(xiàn)虛假信息注冊。

　　2.2.4 網(wǎng)絡(luò)信息安全

　　運營方為企業(yè)團(tuán)內(nèi)部，與借貸雙方都有直接的附屬關(guān)系，基本可以視為內(nèi)部的交易，且個人數(shù)據(jù)直接存于企業(yè)團(tuán)內(nèi)部的數(shù)據(jù)庫中，本身只是調(diào)用，也并非個人提供，也就不存在個人信息遭到透露的潛在隱患。保密技術(shù)遭破解即是企業(yè)后臺的數(shù)據(jù)庫遭攻擊，已然與系統(tǒng)不存在直接關(guān)系。

　　參考文獻(xiàn)：

　　[1]宋文.P2P網(wǎng)絡(luò)借貸行為的實證研究.上海交通大學(xué).2013

　　[2]張職.P2P網(wǎng)絡(luò)借貸平臺營運模式的比較_問題及對策研究.華東理工大學(xué).2012

　　[3]肖智，王明愷，謝林林.基于支持向量機(jī)的大學(xué)生助學(xué)貸款個人信用評價.清華大學(xué)學(xué)報.2006年，46(s1)1120-1124

　　[4]Vedala，R.1;Kumar，B.R.2 An application of Naive Bayes classification for credit scoring in e-lending platform 2012 International Conference on Data Science &;Engineering(ICDSE 2012)，81-4，2012

　　作者簡介：丁思崗(1989-)，男，江蘇南通人，碩士研究生，研究方向：移動軟件設(shè)計。

　　作者單位：同濟(jì)大學(xué) 軟件學(xué)院，上海 201804

---

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/jingjixuelw/51085.html