小额农贷农户信用等级评估及贷款风险预测算法研究

摘要

提高农村经济水平，促使农民收入水平提高，从而加快农业现代化进程已经成为全世界大部分发展中国家的共识和政府工作的重点，我国从2004年开始，历年的中央一号文件都以“三农”问题为主题。在研究如何大力发展农村经济的课题中，充分发挥农村金融的支持作用具有非常重要的意义。然而，农民作为现代化经济的一个特殊群体，所能得到的金融服务却是及其有限的，这其中固然包括金融机构追逐利益，将金融业务的重点投放在城市走“城市化路线”的原因，但更不可忽略的一个重要原因在于金融机构出于风险控制及审慎原则的考虑下，农民无法提供抵押物担保，导致比较难于达到这些金融机构的信贷标准，从而难以获得足够的资金支持。由于无法获得比较全面的金融服务，农民整体的经济水平得不到提高，加之某些农民个体的认知水平和道德水平偏低，使得农村信贷不良较多，迫使某些金融机构放弃或忽视农村市场，这就造成了一种恶性的循环:农村金融服务力度不足导致农村地区经济不发达，农民收入水平低、经营能力低下引起金融机构信贷不良较多，迫使金融机构放弃农村市场。　　为了解决这一问题，国内外学者进行了大量的研究和实践，孟加拉国格莱珉银行实行的面向低收入人群的小额信用贷款是其中效果最为显著的。其创始人默罕默德·尤努斯教授认为对穷人提供金融服务，让穷人用以投资可创收的项目，可以帮助他们改善生活，从而提高当地的经济水平。格莱珉银行的小额信用贷款模式得到了极大成功，它不但帮助借款人摆脱贫困，而且有效地控制了信贷风险，实现盈利和可持续发展，在全世界引起了极大的反响。我国于上世纪90年代引进了格莱珉银行的小额信用贷款模式，小额农贷开始在我国飞速发展。　　小额农贷不要求农户申请贷款时必须提供抵押物作担保，只凭借农户自身的信用作保证即可给予最高5万元以内的贷款，在很大程度上减轻了农户的负担，所提供的资金支持为农户经营和生活带来了极大的便利。但是，紧随而来的问题是如何控制贷款不良的发生，核心便在于如何评估农户的信用水平。　　个人信用评估并非一个新的课题。David Durand在20世纪40年代就首先提出金融机构应该区分客户群，并将传统数学公式运用到个人信用评估中。经过多年的研究，从初始的信用要素评估法到统计判别法再到人机器学习数据挖掘技术的应用，个人信用评估在国外尤其是欧美国家已经相当成熟。但是对于农村人口超过六成，农村金融发展仍然非常薄弱的我国来说，不可以不考虑国家实际情况而直接借鉴国外的个人信用评估方法。因此，如何建立针对我国实际情况的小额农贷农户信用等级评估方案和贷款风险预测方法具有非常重要的意义。　　针对此课题，我国的相关学者们也做了大量的研究实践，提出了多种农户信用等级评估方法和贷款风险预测模型。但是，鉴于我国小额农贷还处于刚刚起步的阶段，有关农户信用的理论性研究尚不充分，农户信用评估理论与实践方法仍然没有形成一个统一的适用性方案。我国当前开展小额农贷的正规金融机构主要以各地农村信用社、中国农业银行和商业银行控股的村镇银行为主。这些金融机构有关小额农贷中的农户信用等级评估问题的解决方案仍然以信用要素评分法为主，根据多个可以影响农户信用水平的指标的专家打分来评估农户的信用等级，从而对是否发放贷款和发放金额做决策。这种方法在一定程度上可以帮助我国小额农贷业务的推广，但是鉴于部分地区贷款不良率确实比较高的问题，急需一套更好的科学可靠的方法作为信贷人员决策的客观依据，一方面可以避免人为主观判断带来的错误，另一方面使信贷人员的工作更加科学和规范，可以将工作中更多的时间和精力投入贷后管理这一重要环节。　　在进行课题研究之前，作者对我国四川、陕西两地的农村信用社进行了实地调研，深入了解当地小额农贷的运营情况、信用等级评估模式和贷后管理情况，采集了1000多个当地小额农贷历史数据。以此为基础，本文借鉴前人的研究成果，提出了一整套包含小额农贷农户信用评估指标体系、贷款风险预测模型和农户信用等级评估方法的理论和模型。　　其中，本文提出的小额农贷农户信用评估指标体系参考了四川、陕西两地农村信用社的农户信用等级测评表，结合采集的真实数据的各项属性，由因子分析方法提取的6个方面的评估指标组成。这6个方面的指标依次为思想觉悟、经营和盈利能力、道德水平、生活条件、贷款诉求和家庭状况，涵盖了农户生活生产的大部分信息以及其申请贷款的属性，比较好的反映农户的真实信用水平。　　小额农贷风险预测模型的构建借鉴了诸多前人的研究，主要参考了以下两点:(1)Logistic回归分析在国内外个人信用评估领域使用广泛且可解释性强;(2)支持向量机算法在解决小样本、非线性问题中具备非常高的准确率和可靠性。因此，本文在基于以上两种单一方法的贷款风险预测模型结果的基础上，建立了Logistie-SVM线性定权组合模型作为小额农贷风险预测方法。该组合模型的预测准确率达到97.9％，第一类错判率（拒绝“好客户”）为2.6％。第二类错判率（接受“坏客户”）为1％，预测结果非常理想，而且组合模型的稳健性优于两种单一模型。　　农户信用等级评估方法则结合了Logistic回归分析的可解释性强和支持向量回归算法预测精度高的优势，采用k-均值聚类方法根据农户信用得分将农户划分为优秀级、较好级、一般级三个信用等级。利用各等级中小额农贷实际贷款不良率检验该评估方法对农户信用水平的区分能力，结果为:优秀级不良率5.7％，较好级不良率44.0％，一般级不良率96.4％，显示出该评估方法对农户信用水平非常好的区分能力。

目录

声明

摘要

1．前言

1．1研究背景及意义

1．2国内外研究综述

1．2．1国外研究综述

1．2．2国内研究综述

1．2．3研究评述

1．3实验环境说明

1．4研究思路和主要内容

2．农户信用评估理论和常用方法

2．1农户信用评估理论

2．1．1农户信用风险的成因

2．1．2农户信用特征的独特性

2．2农户信用评估方法

2．2．1信用评估方法综述

2．2．2 Logistic回归方法概述

2．2．3支持向量机方法概述

3．农户信用评估指标体系的构建

3．1农村信用社小额农贷管理体系

3．1．1小额农贷管理办法

3．1．2小额农贷农户信用评估指标体系

3．2农户信用评估指标体系的构建

3．2．1信用评估指标体系构建原则

3．2．2数据来源和预处理

3．2．3因子分析提取指标

4．小额农贷风险预测模型研究

4．1基于Logistic回归的小额农贷风险预测

4．1．1输入变量的多重共线性检验

4．1．2 Logistic回归模型构建

4．1．3 Logistic回归模型检验

4．1．4 Logistic回归模型结果分析

4．2基于支持向量分类的小额农贷风险预测

4．2．1支持向量分类模型构建

4．2．2支持向量分类模型检验

4．2．3支持向量分类模型结果分析

4．3基于Logistic-SVM组合模型的小额农贷风险预测

4．3．1组合模型原理

4．3．2组合模型构建

4．3．3组合模型检验

4．4．4组合模型结果分析

5．小额农贷农户信用等级评估方法研究

5．1基于Logistic回归的农户信用等级评估方法

5．1．1方法构建

5．1．2方法检验

5．2基于Logistic-SVR组合模型的农户信用等级评估方法

5．2．1方法构建

5．2．2方法检验

6．1本文主要结论

6．2存在的不足和展望

参考文献

致谢