未见程序,数据查找要有出处,公式编辑器
中国大学生信用卡风险管理模型
摘要
本文从银行的角度来研究分析大学生信用卡可能存在的风险,并针对大学生信用卡风险建立模型,提出应对策略。
通过分析大学生的收入来源、消费结构、对信用卡的了解程度、办卡意愿、信用卡拥有数量、使用频率、月均信用卡消费金额等各类信息,我们了解到现在越来越多的大学生办理了信用卡且个人拥有卡的数量也越来越多。但大多数大学生办卡只是图其新鲜和有赠品,对于信用卡、借记卡、循环利息等基本知识明显匮乏,更重要的是对于信用责任的认知相对来说是低水平的。而且目前大学生日常消费资金主要还是由父母提供,其他类似于奖学金与兼职的收入是微乎其微的,完全自食其力的大学生还是相当有限的,因此大学生在使用信用卡产生透支额度的时候就或多或少会存在无力偿付的隐患。而现今的银行个人信用体系并不完整,致使某些大学生拖逃欠款有机可乘。如此一来银行对于大学生信用卡这项业务就产生了一定程度的风险。
针对于上述信用风险,我们对调查数据进行分析,对大学生信用卡透支额度设定一基准为RMB425。再利用AHP-BP 神经网络模型对信用卡申办人进行信用等级评估,最后设定预测值处于0.8 以上的,说明申请者信用差,风险比率高;预测值处于0.4 ~ 0.8,则说明信用一般;预测值处于0.4 以下,是属于信用高的。之后将其结果作为解释变量之一,再加上其余的特征变量,最后建立一个Logistic 模型。在SPSS 软件中求得在大学生信用卡中对风险有较大影响的因素为大学生信用卡拥有数量以及学生的学历。
因此建议银行在为大学生办理信用卡的时候要了解其学历以及已拥有卡的数量等必要信息。申请者信用差的,即对透支消费的无力按时或不愿意偿还本息而导致将来形成坏账的风险比率高,这时银行就可以拒绝申请,或者是在透支基准额度(RMB425)的标准下再进一步降低其信用卡的可透支最大额度;信用一般的银行可以考虑授予普通的信用卡,同时结合申请人的学历与已有卡数量进行一定的控制;信用高的银行可以授予申请者信用额度大大高于基准额度(RMB425)的信用卡,还可以结合其学历与已有卡数量的相关因素,考虑适当增加一些个人的金融服务,尽量留住这些高信用的客户。从而得到降低信用卡的信用风险的有效措施。
关键字:大学生 信用卡风险 透支额度 AHP-BP 神经网络 Logistic模型
1、问题重述
信用卡作为新兴的支付工具和信用手段,以其支付结算、消费信贷和使用方便等特点,广受消费者欢迎。伴随着2006年12月11日中国金融市场的全面开放,国内商业银行加大了发行信用卡的力度,大学校园是众多银行抢占的重要信用卡市场之一。
但是,从第一张大学生信用卡发行开始,大学生信用卡的违规现象就日趋严重,信用卡风险发生的频率也越来越高。因此,对大学生信用卡风险进行控制管理是十分必要的。找到有效规避大学生信用卡风险的方法不仅能给银行自身带来巨大收益,也能让大学生建立合理的理财计划,正确对待信用问题,最终实现双赢,共同发展。
请对大学生进行信用卡使用现状调查,分析大学生的收入来源、消费结构以及价值观念等特点,并利用各类数据分析大学生信用卡可能存在的风险。
从银行角度建立大学生信用卡风险模型,如何更有效的规避大学生信用卡风险。
2、问题分析
2.1标题补充
首先我们对银行信用卡业务有一定的了解,我们查阅的相关资料了解到以下内容成本收益理论指出, 生产者为了实现利润最大化, 要充分考虑成本与收益之间的关系。当收益大于成本时, 意味着盈利; 当收益小于成本时, 出现亏损。企业在生产经营中的目标为获取尽可能多的利润, 达到了利润的最大化。信用卡的大规模发行和使用需要不菲的前期投入: 配套设施, 系统建立, 产品开发, 人力资源投入等。目前, 大学生信用卡正处在产品的推广期, 银行成本支出较高。除了建立信用卡运行系统外, 在宣传上银行就耗费不少。一些银行长期在校内设点宣传, 工作人员工资支出、场地费用、赠送礼品等形成很大的费用。此外, 信用卡的征信系统是各银行自己建立, 花费成本相当高。在利润方面, 短期内大学生信用卡难有利润贡献。根据银行制定的万分之五/ 日的最低贷款利息计算, 银行每发一张大学生信用卡能够获取高18.25%的年利率, 按理来说信用卡赚取的利润可观。然而, 现实并非如此, 目前国内发卡银行的透支利息收入微乎其微, 收入来源主要依靠年费和手续费。虽然银行看中大学生超前消费观念, 但对于没有稳定收入来源的大学生来说, 在进行贷款消费之前必定会再三考虑, 在透支后也会尽力选择在免息期内还款。这样, 银行在短期内很难享受到信用卡的收益。从信息不对称理论分析, 由于社会分工的发展、专业化程度的提高和人员流动, 意味着市场信息非对称加剧。该理论分析了信息在交易双方的不对称分布对于市场交易行为和市场运行效率产生的重要影响。信用卡贷款是一种典型的无担保的循环信用贷款, 发卡银行与持卡人之间存在着信息不对称。银行在授予持卡人信用额度时, 无法得知持卡人真实的信誉状况, 只能根据与借款人的交流、调查、评估等方式来决定, 借款人真实的情况必须花费很高的调查成本。此外, 银行在授予持卡人信用额度后, 无法掌握持卡人的真实资信情况。有些持卡人在透支后可能会因为经济状况、品德问题等欠款, 一旦毕业离开学校, 银行难以跟踪
欠款人的信息, 有可能导致还款意愿下降。可见, 银行与大学生之间信息不对称问题给信用卡业务带来了一定的潜在风险。对于一般信用卡, 银行可以通过调查申请人的职位、收入、财产、社会地位等来评定其大致的经济状况和信誉状况。由于大学生没有稳定的经济来源和自身情况的不确定性, 在消费时容易产生短期行为和冲动消费。加上目前各银行追逐办卡数量而忽视对申请人资信状况的审核, 使得银行无法准确掌握大学生的真实信誉状况和还款能力。因此, 大学生信用卡具有更大的潜在风险。
以A 银行2005 年发行大学生信用卡为例数据呢, 建立损益模型, 对盈利结构进行分析。截至2007 年第一季度, 该行大学生信用卡发行规模约25 万张, 活动户约为6.5 万张, 使用率26%, 循环信贷规模为9000 万元。以上损益列出了各项收支情况, 依据这些数据可以分析出当前大学生信用卡经营中的一些显著特性和问题。
( 一) 大学生信用卡总体盈利水平不高目前直接经济效益较低, 注意论文结构收入小于支出, 处在亏损阶段。造成这种局面的原因可归结为以下方面: 一是大学生信用卡尚未达到规模经济效应。从调查结果看, 由于使用频率底和消费金额不足, 分摊在每张信用卡上的单位经营成本高而单位收益低, 造成利润为负。二是目前大学生信用卡处在推广阶段, 各银行普遍采取设点方式销售, 银行人员工资福利、营销费用、行政办公费用等项目支出过高。三是目前大学生信用卡“进出频繁” 影响银行的利润空间。调查显示, 目前只有26% 左右是“活”卡, 使银行浪费了大量的推广、制作和账户管理费用。 ( 二) 收入来源单一, 结构不合理。
主要体现在: 一是业务收入主要依靠利差收入、年费、消费回扣, 业务收入对于利率政策、消费收单手续费分成比例的 依赖性较强, 赢利的主动性弱。二是循环信贷规模低, 利息收入小。收入各项占循环信贷余额的比例较高, 说明银行没有利息收益。目前循环信用利息收入只有700万元, 占总收入不到20% , 而国外成熟信用卡业务的收益主要源于循环信用利息, 占总收入70% - 80% 。三是年费是重要收入项目, 这与国外年费收入基本为零的现状形成鲜明对比。
( 三) 总体运营成本过高, 资本资源效率不高。
尽管信用卡业务作为一项劳动密集型金融零售业务对人力费用有一定的支出要求, 但人工费、办公费占到总支出的一半以上, 远高于国外银行在该项目的支出。一方面说明大学生信用卡规模不经济, 运营成本较高, 另一方面, 反映国内银行成本控制比较粗放, 没有有效利用资源。因此, 还有很大的潜力可挖, 若能有效控制成本, 则能够提高整体利润率。 ( 四) 小结
大学生信用卡处在萌芽期, 对于盈利模式、经营管理手段处在模糊阶段, 造成使用状况不理想。业务整体收入水平不高, 处在亏损状态, 在收入结构中, 循环信贷产生的收入较低, 年费收入占相当大比重。在成本控制方面, 银行仍有机会可寻。
2.2标题本题是一个开放性问题,首先我们要文章有一个明确的理解。本文题目
中的 关键词为“大学生”、“银行”、“信用卡风险”。我们的目标是大学生,考虑的角度是从银行出发,即要考虑的风险是银行在给大学生办理信用卡之后自身会出现的风险。而该风险我们确定为大学生透支还款能力。 2.3 标题利用所有资源,尽可能的去寻找自己所需要的各类信息,得出初步结果。
1)确定几项与大学生信用卡使用情况有关的调查内容,收集相关数据,并对数据进行一定的筛选。
2)对于所得到的数据我们进行简单的数据处理,对银行信用卡可能存在的风险进行分析。
2.4 针对风险分析,要对信用卡风险进行管理,我们首先就是要建立一个大学生
信用卡风险评估模型,从而来寻求降低信用卡的信用风险的有效管理措施。1)我们选取信用评估中的一个重点“大学生信用度”来进行衡量。而大学生信用卡风险评估是一个较为复杂的过程,涉及各方面的因素,而且各影响因素与衡量结果之间并不完全是线性关系。因此单单使用传统的BP 神经网络模型是不准确的,于是使用一个新的优化模型AHP-BP 神经网络模型,来对信用度等级进行分类。
2)对于如此多的因素,我们并不清楚对于信用卡风险来说哪些因素的影响比重较大。因此要对因素进行分析,使用Logistic 模型来分析其因素的重要性。
2.5 从上述模型得出对银行信用卡风险的建议。
3、模型假设
1)信用卡中的透支额完全由学生自身偿还,排除出现大额度透支时家长替其偿 还之类的情况。
2)数据调查于北京,由北京高校学生使用信用卡现象大致代表全国大学生用卡 现象。 3)银行信用卡风险其实来自于双方面,一方面是损失最少另一方面是获利最多。因为模型与知识水平的有限,对于风险我们只考虑损失最少这一方面,对于是否获利最大我们不做考虑。
4)大学生信用卡使用情况在一定时间内保持稳定不变,且不受例如金融危机之类的外界因素的影响。
4、变量说明及名词解释
4.1符号说明: 个人信用等级
A =⎡a ij ⎤, i , j =1, 2,..., n ;
⎣⎦
a ij
a ij 就是上层某元素而言Bi 与Bj 两元素的相对重要性标度
B 1自然情况指标
B 2家庭状况指标
B 3消费方向指标
B 4与银行关系指标
C 1年龄
C 2性别
C 3学习情况
C 4健康状况
C 5文化程度 C 6户口
C 7有无兼职
C 8月生活费
C 9住宅性质
C 10所在家庭净资产
C 11日常饮食支出 C 12学习支出
C 13娱乐支出 C 14家庭月收入 C 15存款状况
C 16父母是否是银行职员
C 17对信用卡业务了解状况
Ic 一致性指标
IR 平均随机一致性指标
R c 一致性比例
X 0各隐含层阈值初值
W
权值
W 0输入层阈值初值
Ki 为第i 种申请方式下的信用风险度K
额)
i
=D i
( B 为银行提供信用消费的总
D i 为第i 种申请方式下信用消费额形成呆账的数额
4.2名词解释:
信用卡:有透支额度的银行卡。
大学生信用卡风险:透支消费的无力按时偿还或不愿意偿还本息而导致将来形成
坏账的风险。
大学生月自我调配的费用:大学生每月除去日常生活的必须支出之外,所剩下来
的费用,可以供自己自由支配。
信用卡基准透支额度:其值设定与大学生月自我调配的费用类似等同。
5、模型建立与求解
5.1 先对所收集的数据进行简单的分析。(数据表格见附录)
1)大学生的主要经济来源结构(如下图所示)
从上图看出,目前大多数大学生的主要经济仍然来源于父母,这类大学生的人数占到被调查者总数的76.19%。而靠奖学金和打工获取经济来源的学生数量之和只占到被调查者总数的14%。左右。根据数据可得,目前大学生消费资金主要还是由父母提供,因而而完全自食其力的大学生还是相当有限的。
2)大学生的消费结构的主要特点(如下图所示)
从上图来看,目前大学生的主要消费支出仍然是用于传统的日常饮食,其支出占总量的50%。排在第二位的是买书等学习用途支出,占总量的19%。聚会、购买数码产品和购买服装等时尚支出所占比重并不是太大,但也占到了总量的31%。因此,我们可以认为除了日常必须的消费之外剩下的35%为大学生的自己可支配额度。
3)大学生月消费水平(如下图所示)
从上图看出大学生的月消费水平从200元到1500元以上都有涉及,不过以500-1000元档为最多为70.84%。按照中值计算方法得出月平均消费水平在850元左右。
4)大学生拥有信用卡的数量状况(如下图所示)
从上图看出大学生拥有信用卡数量以1-3张为多,百分比高达97%。因此说明大学生持卡量是相当高的。
5)大学生信用卡拥有时间分析(如下图所示)
按照中值的计算方法,可得平均拥有信用卡时间为6.4个月。从上表所示的情况来看, 只有31.15%的学生办理信用卡的时间超过了一年,68.85%的学生办理信用卡时间并未超过一年,计算得出的平均拥有信用卡时间也仅为6.4个月。
6)大学生信用卡使用频率分析(如下图所示)
按照中值的计算方法,设平均使用信用卡频率为x3,计算可得:x3=2.9次/月从目前调查状况来看,22.95%的学生自从办理了信用卡后还没怎么使用过。49.18%的学生平均每月使用信用卡的频率是1—3次,而每月使用信用卡频率在三次以上的人数占总体比重偏小。
7)信用卡了解程度分析(如下图所示)
对不同了解程度给予0—1之间数值的赋值:
从总体而言,办理信用卡大学生对信用卡的功能并不了解。
总结:对于上述的数据分析我们得出大学生办理了信用卡且个人拥有卡的数量也越来越多,但大多数大学生办卡只是图其新鲜和有赠品,对于信用卡、借记卡、循环利息等基本知识明显匮乏,更重要的是对于信用责任的认知相对来说是低水平的。而且目前大学生日常消费资金主要还是由父母提供,其他类似于奖学金与兼职的收入是微乎其微的,完全自食其力的大学生还是相当有限的,因此大学生在使用信用卡产生透支额度的时候就或多或少会存在无力偿付的隐患。
5.2 建立信用卡基准透支额度
根据调查数据分析得大学生平均月生活费为850元,而其中50.2%用于传统的日常饮食是生活的必须支出。于是剩下的49.8%的生活费用属于学生自我调配的费用。以此我们定义:
信用卡透支基准额度=月平均生活费*49.8%≈425元
5.3 利用层次分析法计算信用卡申请指标的权重
5.3.1 建立评估指标体系
个人信用等级评估指标设立的目的可以简述为银行通过评估申请人的品德、能力以及还款意愿等对其还款可能性进行预测。我们选择4大类17个指标来评价个人信用等级(如下图)
5.3.2 计算评估指标体系各因素的权重
根据影响个人信用等级的主要因素建立系统的递阶层次结构以后,需要运用层次分析法确定各评估指标的权重。
1) 构建判断矩阵。符号输入不规范 建立层次分析模型之后,就可以以上一层次某因素为准,该因素对下一层次诸因素有支配关系,两两比较下一层诸因素对它的相对重要性,并赋予一定分值,一般采用1 ~ 9 标度法。 矩阵形式如下: 式中,
a ij 就是上层某元素而言B i 与B j 两元素的相对重要性标度。
⎤, i , j =1, 2,..., n A =⎡a ⎣ij ⎦
2) 判断矩阵的一致性检验。 由于判断矩阵是主观认为赋予的,故需要进行一致性检验,即评估矩阵的可靠性。对判断矩阵的一致性检验的方法为:先计算一致性指标c
I=
λmax -n
n -1
,当
λmax =n ,Ic =0,为完全一致;IR 值越大,判断矩阵的完全一致性
越差;再查找相应的平均随机一致性指标
I R ,I R 值见下表。
I R 的值可以通过下列方法获取:用随机方法构造500个样本矩阵,随机地从
1 ~ 9 及其倒数中抽取数字构造正负反矩阵,求得最大特征根的平均值 ,并定
义
IR =
λmax -n
n -1
I c
R =
计算一致性比例R c ,c I R
,当
R c
认为判断矩阵的一致性时可以接受的,否则应对判断矩阵做适当修正。
5.3.3 计算层次单排序及总排序。
计算出某层次因素相对于上一层次中某一因素的相对重要性,这种排序计算称为单排序。具体地说,层次单排序是指根据判断计算对于上一层某元素而言本层次与之有联系的元素重要性次序的权值。依次沿递阶层次结构由上而下逐层计算,即可计算出最低层因素相对于最高层( 总目标) 的相对重要性或相对优劣的排序值,即层次总排序。本文运用matlab (程序呢)可以得出个层次的综合判断矩阵的权重值W 以及一致性检验情况(如下图所示) 。
B 1自然情况指标;B 2家庭状况指标;B 3消费方向指标;B 4与银行关系指标;
C 1年龄;C 2性别;C 3学习情况;C 4健康状况;C 5文化程度;C 6户
口;C 7有无兼职;8月生活费;9住宅性质;10所在家庭净资产;日常饮食支出;
C C C
C 11
C 12学习支出;C 13娱乐支出;C 14家庭月收入;C 15存款
状况;C 16父母是否是银行职员;C 17保险状况
5.4 AHP-BP 神经网络模型的建立
5.4.1 模型输入点的选择。
由于各判断矩阵的RC 值均小于0.1,可以认为它们均有满意的一致性。商业银行信用风险评估对影响因素较为敏感,权值累计贡献率>95% 的指标保留,即当措施层指标权值
5.4.2 相关参数的确定。
文中用于信用卡风险评估的神经网络模型基于SPDS 算法的三层B P 神经网络模型,输入层含有11个输入向量,输出层含有1个输出向量。网络隐含层节点数根据经验确定,一般可考虑的经验法则有:一是隐含层节点数不能是个层中节点数最少的,也不是最多的;二是较好的隐含层的节点数介于输入节点和输出节点数之和的50% ~70% 之间;三是隐含层节点数的理论上限由其训练样本数据所限定。所以隐含层的节点数为6 个较符合实际情况,适用双曲正切S i g m o i d 激励函数。网络各学习参数设定如下:最大循环次数为800;目标误差为0.00001;初始值为0.0001,各隐含层及输入层的阈值初值定为X 0= -1, W 0=0。
5.4.3 模型的训练与检验。 样本数和判别分析一样,训练样本和检验样本从总体中不重复随机抽样,各占总体样本的2/3 和1/3。本文结合实际情况运用模拟数据的15 个项目的相关数据作为训练样本和检测样本,其中10 个作为训练样本,5 个作为检测样本。使用M A T L A B6.5 软件编程(未见程序),计算出训练阶段样本预测结果与实际结果(见下表) ,以及检验阶段样本预测结果与实际结果( 见下表)
最后得出结论为:我们设预测值处于0.8 以上的,说明申请者信用差,风险比率高;预测值处于0.4 ~ 0.8,则说明信用一般;预测值处于0.4 以下,是属于信用高的。
5.5 信用卡风险相关因素的分析。
利用上面对信用度的评定,我们将其结果作为解释变量之一,再加上其余的特征变量,最后建立一个Logistic 模型。我们选取的20个人的信息输入如下表:
level :分为4个等级,即专科、本三、本二、本一分别用4、3、2、1来代表。
Y :1表示好,0表示坏。
我们选取SPSS 菜单中的Analyze==》Regression==》Binary Logistic... 计算机自动得到以下结果:
Case Processing Summary Unweighted Cases Selected Cases
Unselected Cases
Total
Included in Analysis Missing Cases
Total
N 20 0 20 0 20
Percent 100.0 .0 100.0 .0 100.0
上表为记录处理情况汇总,即有多少例记录被纳入了下面的分析,可见此处因不存在缺失值,20条记录均纳入了分析。
Dependent Variable Encoding Original Value
0 1
Internal Value
0 1
上表为应变量分类情况列表
Classification Table
Observed
Step 0
Y
Overall Percentage
0 1
0 0
1 8 12
Predicted
Y
Percentage Correct
.0 100.0 60.0
上表为分类预测表,可见总预测准确率为60.0%,这是不纳入任何解释变量时的预测准确率,相当于比较基线。
Variables in the Equation
B .405
S.E. .456
Wald .789
df 1
Sig. .374
Exp(B) 1.500
Step 0 Constant
上表为Block 0时的变量系数,可见常数的系数值为1.500.
Variables not in the Equation
Step 0
Variables
Overall Statistics
LEVEL INCOME CNUMBER FMONEY MTIME
Score .000 5.759 .595 3.238 .989 7.593
df 1 1 1 1 1 5
Sig. 1.000 .016 .440 .072 .320 .180
上表为在Block 0处尚未纳入分析方程的侯选变量,所作的检验表示如果分别将他们纳入方程,则方程的改变是否会有显著意义(根据所用统计量的不同,可能是拟合优度,Deviance 值等)。
Omnibus Tests of Model Coefficients
Step 1
Step Block Model
Chi-square 9.798 9.798 9.798
df 5 5 5
Sig. .081 .081 .081
上表为全局检验,对每一步都作了Step 、Block 和Model 的检验。
Model Summary
Step 1
-2 Log likelihood
17.122
Cox & Snell R Square
.387
Nagelkerke R Square
.524
此处为模型概况汇总。
Classification Table
Step 1
Observed
Y Overall Percentage
0 1
Predicted
Y 0 6 3
1 2 9
Percentage Correct
75.0 75.0 75.0
准确率达到75%。
Variables in the Equation
B S.E. Wald df Sig. Exp(B) Step 1 LEVEL -.645 .818 .623 1 .430 .525 INCOME .023 .017 1.962 1 .161 1.024 CNUMBER -1.261 1.403 .807 1 .369 .283 FMONEY -.012 .020 .369 1 .544 .988 MTIME .048 .267 .032 1 .858 1.049 Constant -12.872 8.452 2.319 1 .128 .000 a Variable(s) entered on step 1: LEVEL, INCOME, CNUMBER, FMONEY, MTIME. 由表格中的“B ”列可以看出“CNUMBER ”、“LEVEL ” 、“MTIME ” 对信用度的影响是前三位的。
5.6 对银行信用卡风险的建议
有了评估体系后,银行可以根据信用卡申请者或者信用卡授卡对象的实际情况进行比较科学的评估,对他们的基本情况归一化后,通过本文所构造的神经网络模型得到实际的输出结果,银行可以对申请者的信用进行分级。这样就可以对不同的信用等级授予不同的信用消费金额,比如预测值处于0.8 以上的,说明申请者由于各种原因,申请者对透支消费的无力按时或不愿意偿还本息而导致将来形成坏账的风险比率高,这时银行就可以拒绝申请;预测值处于0.4 ~ 0.8,则说明信用一般,银行可以考虑授予普通的信用卡;预测值处于0.4 以下,是属于信用高的,这时银行可以授予信用额度高的信用卡,还可以考虑适当增加一些个人的金融服务,尽量留住这些高信用的客户。对于不同的预测值,银行就可以针对不同信用的申请者发放不同的卡种,有效地降低了由于申请者信用的不良导致信用卡的消费形成呆账的风险。
同时银行在为大学生办理信用卡的时候要了解其学历以及已拥有卡的数量等必要信息。申请者信用差的,银行可以在透支基准额度(RMB425)的标准下再进一步降低其信用卡的可透支最大额度;信用一般的银行可以考虑授予普通的信用卡,同时结合申请人的学历与已有卡数量进行一定的控制;信用高的银行可以授予申请者信用额度大大高于基准额度(RMB425)的信用卡。
对于透支额度的调整我们可以根据之前所算的基准额度作为标准线。同时将信用度分为0-1一共5个档次,数字越小信用度越高。每升高一个档次,透支额度就升高一定量(如下图)
另外发卡行个体理性的结果是都采用宽松的申请条件。虽然从整体上看大学生群体的素质较高,在一定程度上减轻了大学生信用卡业务的风险,但信用卡业务本质上是无抵押担保的高风险银行业务。目前在校大学生只要填一张申请表,提供其身份证和学生证复印件即可申请办理大学生信用卡。这种申卡方式在一定程度上简化了信用卡的审批手续,提高了银行的工作效率,但大学生毕竟仍属于
没有固定收入来源的群体,随着就业压力的增大,许多大学生面临着毕业找不到工作的危机。因此发卡行应理性看待大学生群体,提高对大学生信用卡市场风险的认识。从而得到降低信用卡的信用风险的有效措施。
对银行信息的管理我们也有所建议,希望银行不要一味的提高大学生信用卡办理的数量而忽视的申请人的信息和办卡步骤。现在有些银行在办理校园信用卡的时候往往只需要申请人填写一份简单的表格,有些甚至只要写个名字与身份证号码就能办理了,对所写的信息也不进行核对。等日后账户出现问题,银行都无法联系到申请人。所以希望银行在信息了解已经确认方面要多加重视。
6、模型检验
根据现实我们了解到,随着社会的发展现在越来越多的大学生开始办理信用卡,且数量是越来越多,而银行给予的透支额度也越来越高。学生在刷卡消费时透支现象越来越多,而且透支的额度也越来越高。到最后就出现办理多张信用卡,“拆东墙补西墙”来还清欠款,越来越多的学生加入“卡奴”一族。同时银行因持卡人透支消费的无力按时偿还或不愿意偿还本息而导致的坏账也越来越多,风险比率节节攀升。现在已经有多家银行叫停了办理大学生信用卡的业务。可想而知,之前银行对以透支额度的设定有些时过高的,而我们分析得出的透支额度在400—2000左右,比社会上的500—5000有所降低,这是合理的。另外针对于不同信用度的人办理不同的卡也是切实可行的。
7、模型评价
传统的B P 神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。然而,当研究复杂系统建模时,由于影响因素过多,不能确定冗余因素和有用因素,不能将输入的因素简化,这样在输入信息空间维数较大时,网络不仅结构复杂,而且训练时间也很长,从而降低网络性能,影响计算准确度。因此我们利用层析分析法作为B P 神经网络的前处理,通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化,以其结果作为B P 神经网络的输入值,以减小B P 神经网络的结构的复杂性。并充分利用B P神经网络强大的容错能力和抗干扰能力,提高模型的效率。
但是必须指出的是,在评价每个因素时,有些指标的权重会特别突出,导致了抬高综合评价指数,得出信用状况变得良好的错误结论。所以利用本模型计算出来的综合评价指数不能作为个人信用的唯一判断依据,实际应用中还需借助其他的技术手段和相关的重要信息进行最后的确认。
我们没有考虑睡眠卡等现象,只分析学生的还款能力,另外我们的数据调查有局限性,我们认为北京高校大学生使用信用卡现象能代表全国这是片面的。同时在定义基准额度的时候,该数据的得出含有我们的主观想法,不是很准确。
8、参考文献
[1]管敏,2006:《对我国信用卡业务风险防范的思考》,《沿海企业与科技》,2006年第11期 [2]迟春娟:《大学生信用卡的风险管理研究》,中国华东师范大学硕士生论文,2007年5月
[3]胡勇、张永青,2006:《信用卡风险管理》,《特区经济》,2006年1月 [4]杨毅,2005:《大学校园信用卡市场问题初探》,《河北金融》,2005年04期 [5]吴东文,2005:《贷记卡业务的风险控制》,《中国信用卡》,2005(4) [6]周天芸、张明睿,2006:《大学生信用卡市场探析》,《中国信用卡》,2006年16期
[7]涂淑芬,2006:《对我国大学生信用卡市场发展的浅思》,《安徽文学》,2006年第11期
[8]http://www.xmnn.cn/dzbk/xmrb/20071010/06.pdf
2008大学生信用卡使用现状及理财观念调查报告[9]http://hi.baidu.com/lyh03063/blog/item/7a42b313a730dec9c2fd7842.html
信用卡风险管理的经济分析
[10] http://www.law-lib.com/lw/lw_view.asp?no=1576 [11] http://www.bioon.com/biology/spss/55216.shtml [12]http://bbs.newwise.com/thread-239108-1-1.html
[13]http://www.p5w.net/banking/yhk/200605/t321115.htm
[14]http://resource.stockstar.com/info2009/darticle.aspx?id=JL,200810
15,00001166&columnid=2437
未见程序,数据查找要有出处,公式编辑器
中国大学生信用卡风险管理模型
摘要
本文从银行的角度来研究分析大学生信用卡可能存在的风险,并针对大学生信用卡风险建立模型,提出应对策略。
通过分析大学生的收入来源、消费结构、对信用卡的了解程度、办卡意愿、信用卡拥有数量、使用频率、月均信用卡消费金额等各类信息,我们了解到现在越来越多的大学生办理了信用卡且个人拥有卡的数量也越来越多。但大多数大学生办卡只是图其新鲜和有赠品,对于信用卡、借记卡、循环利息等基本知识明显匮乏,更重要的是对于信用责任的认知相对来说是低水平的。而且目前大学生日常消费资金主要还是由父母提供,其他类似于奖学金与兼职的收入是微乎其微的,完全自食其力的大学生还是相当有限的,因此大学生在使用信用卡产生透支额度的时候就或多或少会存在无力偿付的隐患。而现今的银行个人信用体系并不完整,致使某些大学生拖逃欠款有机可乘。如此一来银行对于大学生信用卡这项业务就产生了一定程度的风险。
针对于上述信用风险,我们对调查数据进行分析,对大学生信用卡透支额度设定一基准为RMB425。再利用AHP-BP 神经网络模型对信用卡申办人进行信用等级评估,最后设定预测值处于0.8 以上的,说明申请者信用差,风险比率高;预测值处于0.4 ~ 0.8,则说明信用一般;预测值处于0.4 以下,是属于信用高的。之后将其结果作为解释变量之一,再加上其余的特征变量,最后建立一个Logistic 模型。在SPSS 软件中求得在大学生信用卡中对风险有较大影响的因素为大学生信用卡拥有数量以及学生的学历。
因此建议银行在为大学生办理信用卡的时候要了解其学历以及已拥有卡的数量等必要信息。申请者信用差的,即对透支消费的无力按时或不愿意偿还本息而导致将来形成坏账的风险比率高,这时银行就可以拒绝申请,或者是在透支基准额度(RMB425)的标准下再进一步降低其信用卡的可透支最大额度;信用一般的银行可以考虑授予普通的信用卡,同时结合申请人的学历与已有卡数量进行一定的控制;信用高的银行可以授予申请者信用额度大大高于基准额度(RMB425)的信用卡,还可以结合其学历与已有卡数量的相关因素,考虑适当增加一些个人的金融服务,尽量留住这些高信用的客户。从而得到降低信用卡的信用风险的有效措施。
关键字:大学生 信用卡风险 透支额度 AHP-BP 神经网络 Logistic模型
1、问题重述
信用卡作为新兴的支付工具和信用手段,以其支付结算、消费信贷和使用方便等特点,广受消费者欢迎。伴随着2006年12月11日中国金融市场的全面开放,国内商业银行加大了发行信用卡的力度,大学校园是众多银行抢占的重要信用卡市场之一。
但是,从第一张大学生信用卡发行开始,大学生信用卡的违规现象就日趋严重,信用卡风险发生的频率也越来越高。因此,对大学生信用卡风险进行控制管理是十分必要的。找到有效规避大学生信用卡风险的方法不仅能给银行自身带来巨大收益,也能让大学生建立合理的理财计划,正确对待信用问题,最终实现双赢,共同发展。
请对大学生进行信用卡使用现状调查,分析大学生的收入来源、消费结构以及价值观念等特点,并利用各类数据分析大学生信用卡可能存在的风险。
从银行角度建立大学生信用卡风险模型,如何更有效的规避大学生信用卡风险。
2、问题分析
2.1标题补充
首先我们对银行信用卡业务有一定的了解,我们查阅的相关资料了解到以下内容成本收益理论指出, 生产者为了实现利润最大化, 要充分考虑成本与收益之间的关系。当收益大于成本时, 意味着盈利; 当收益小于成本时, 出现亏损。企业在生产经营中的目标为获取尽可能多的利润, 达到了利润的最大化。信用卡的大规模发行和使用需要不菲的前期投入: 配套设施, 系统建立, 产品开发, 人力资源投入等。目前, 大学生信用卡正处在产品的推广期, 银行成本支出较高。除了建立信用卡运行系统外, 在宣传上银行就耗费不少。一些银行长期在校内设点宣传, 工作人员工资支出、场地费用、赠送礼品等形成很大的费用。此外, 信用卡的征信系统是各银行自己建立, 花费成本相当高。在利润方面, 短期内大学生信用卡难有利润贡献。根据银行制定的万分之五/ 日的最低贷款利息计算, 银行每发一张大学生信用卡能够获取高18.25%的年利率, 按理来说信用卡赚取的利润可观。然而, 现实并非如此, 目前国内发卡银行的透支利息收入微乎其微, 收入来源主要依靠年费和手续费。虽然银行看中大学生超前消费观念, 但对于没有稳定收入来源的大学生来说, 在进行贷款消费之前必定会再三考虑, 在透支后也会尽力选择在免息期内还款。这样, 银行在短期内很难享受到信用卡的收益。从信息不对称理论分析, 由于社会分工的发展、专业化程度的提高和人员流动, 意味着市场信息非对称加剧。该理论分析了信息在交易双方的不对称分布对于市场交易行为和市场运行效率产生的重要影响。信用卡贷款是一种典型的无担保的循环信用贷款, 发卡银行与持卡人之间存在着信息不对称。银行在授予持卡人信用额度时, 无法得知持卡人真实的信誉状况, 只能根据与借款人的交流、调查、评估等方式来决定, 借款人真实的情况必须花费很高的调查成本。此外, 银行在授予持卡人信用额度后, 无法掌握持卡人的真实资信情况。有些持卡人在透支后可能会因为经济状况、品德问题等欠款, 一旦毕业离开学校, 银行难以跟踪
欠款人的信息, 有可能导致还款意愿下降。可见, 银行与大学生之间信息不对称问题给信用卡业务带来了一定的潜在风险。对于一般信用卡, 银行可以通过调查申请人的职位、收入、财产、社会地位等来评定其大致的经济状况和信誉状况。由于大学生没有稳定的经济来源和自身情况的不确定性, 在消费时容易产生短期行为和冲动消费。加上目前各银行追逐办卡数量而忽视对申请人资信状况的审核, 使得银行无法准确掌握大学生的真实信誉状况和还款能力。因此, 大学生信用卡具有更大的潜在风险。
以A 银行2005 年发行大学生信用卡为例数据呢, 建立损益模型, 对盈利结构进行分析。截至2007 年第一季度, 该行大学生信用卡发行规模约25 万张, 活动户约为6.5 万张, 使用率26%, 循环信贷规模为9000 万元。以上损益列出了各项收支情况, 依据这些数据可以分析出当前大学生信用卡经营中的一些显著特性和问题。
( 一) 大学生信用卡总体盈利水平不高目前直接经济效益较低, 注意论文结构收入小于支出, 处在亏损阶段。造成这种局面的原因可归结为以下方面: 一是大学生信用卡尚未达到规模经济效应。从调查结果看, 由于使用频率底和消费金额不足, 分摊在每张信用卡上的单位经营成本高而单位收益低, 造成利润为负。二是目前大学生信用卡处在推广阶段, 各银行普遍采取设点方式销售, 银行人员工资福利、营销费用、行政办公费用等项目支出过高。三是目前大学生信用卡“进出频繁” 影响银行的利润空间。调查显示, 目前只有26% 左右是“活”卡, 使银行浪费了大量的推广、制作和账户管理费用。 ( 二) 收入来源单一, 结构不合理。
主要体现在: 一是业务收入主要依靠利差收入、年费、消费回扣, 业务收入对于利率政策、消费收单手续费分成比例的 依赖性较强, 赢利的主动性弱。二是循环信贷规模低, 利息收入小。收入各项占循环信贷余额的比例较高, 说明银行没有利息收益。目前循环信用利息收入只有700万元, 占总收入不到20% , 而国外成熟信用卡业务的收益主要源于循环信用利息, 占总收入70% - 80% 。三是年费是重要收入项目, 这与国外年费收入基本为零的现状形成鲜明对比。
( 三) 总体运营成本过高, 资本资源效率不高。
尽管信用卡业务作为一项劳动密集型金融零售业务对人力费用有一定的支出要求, 但人工费、办公费占到总支出的一半以上, 远高于国外银行在该项目的支出。一方面说明大学生信用卡规模不经济, 运营成本较高, 另一方面, 反映国内银行成本控制比较粗放, 没有有效利用资源。因此, 还有很大的潜力可挖, 若能有效控制成本, 则能够提高整体利润率。 ( 四) 小结
大学生信用卡处在萌芽期, 对于盈利模式、经营管理手段处在模糊阶段, 造成使用状况不理想。业务整体收入水平不高, 处在亏损状态, 在收入结构中, 循环信贷产生的收入较低, 年费收入占相当大比重。在成本控制方面, 银行仍有机会可寻。
2.2标题本题是一个开放性问题,首先我们要文章有一个明确的理解。本文题目
中的 关键词为“大学生”、“银行”、“信用卡风险”。我们的目标是大学生,考虑的角度是从银行出发,即要考虑的风险是银行在给大学生办理信用卡之后自身会出现的风险。而该风险我们确定为大学生透支还款能力。 2.3 标题利用所有资源,尽可能的去寻找自己所需要的各类信息,得出初步结果。
1)确定几项与大学生信用卡使用情况有关的调查内容,收集相关数据,并对数据进行一定的筛选。
2)对于所得到的数据我们进行简单的数据处理,对银行信用卡可能存在的风险进行分析。
2.4 针对风险分析,要对信用卡风险进行管理,我们首先就是要建立一个大学生
信用卡风险评估模型,从而来寻求降低信用卡的信用风险的有效管理措施。1)我们选取信用评估中的一个重点“大学生信用度”来进行衡量。而大学生信用卡风险评估是一个较为复杂的过程,涉及各方面的因素,而且各影响因素与衡量结果之间并不完全是线性关系。因此单单使用传统的BP 神经网络模型是不准确的,于是使用一个新的优化模型AHP-BP 神经网络模型,来对信用度等级进行分类。
2)对于如此多的因素,我们并不清楚对于信用卡风险来说哪些因素的影响比重较大。因此要对因素进行分析,使用Logistic 模型来分析其因素的重要性。
2.5 从上述模型得出对银行信用卡风险的建议。
3、模型假设
1)信用卡中的透支额完全由学生自身偿还,排除出现大额度透支时家长替其偿 还之类的情况。
2)数据调查于北京,由北京高校学生使用信用卡现象大致代表全国大学生用卡 现象。 3)银行信用卡风险其实来自于双方面,一方面是损失最少另一方面是获利最多。因为模型与知识水平的有限,对于风险我们只考虑损失最少这一方面,对于是否获利最大我们不做考虑。
4)大学生信用卡使用情况在一定时间内保持稳定不变,且不受例如金融危机之类的外界因素的影响。
4、变量说明及名词解释
4.1符号说明: 个人信用等级
A =⎡a ij ⎤, i , j =1, 2,..., n ;
⎣⎦
a ij
a ij 就是上层某元素而言Bi 与Bj 两元素的相对重要性标度
B 1自然情况指标
B 2家庭状况指标
B 3消费方向指标
B 4与银行关系指标
C 1年龄
C 2性别
C 3学习情况
C 4健康状况
C 5文化程度 C 6户口
C 7有无兼职
C 8月生活费
C 9住宅性质
C 10所在家庭净资产
C 11日常饮食支出 C 12学习支出
C 13娱乐支出 C 14家庭月收入 C 15存款状况
C 16父母是否是银行职员
C 17对信用卡业务了解状况
Ic 一致性指标
IR 平均随机一致性指标
R c 一致性比例
X 0各隐含层阈值初值
W
权值
W 0输入层阈值初值
Ki 为第i 种申请方式下的信用风险度K
额)
i
=D i
( B 为银行提供信用消费的总
D i 为第i 种申请方式下信用消费额形成呆账的数额
4.2名词解释:
信用卡:有透支额度的银行卡。
大学生信用卡风险:透支消费的无力按时偿还或不愿意偿还本息而导致将来形成
坏账的风险。
大学生月自我调配的费用:大学生每月除去日常生活的必须支出之外,所剩下来
的费用,可以供自己自由支配。
信用卡基准透支额度:其值设定与大学生月自我调配的费用类似等同。
5、模型建立与求解
5.1 先对所收集的数据进行简单的分析。(数据表格见附录)
1)大学生的主要经济来源结构(如下图所示)
从上图看出,目前大多数大学生的主要经济仍然来源于父母,这类大学生的人数占到被调查者总数的76.19%。而靠奖学金和打工获取经济来源的学生数量之和只占到被调查者总数的14%。左右。根据数据可得,目前大学生消费资金主要还是由父母提供,因而而完全自食其力的大学生还是相当有限的。
2)大学生的消费结构的主要特点(如下图所示)
从上图来看,目前大学生的主要消费支出仍然是用于传统的日常饮食,其支出占总量的50%。排在第二位的是买书等学习用途支出,占总量的19%。聚会、购买数码产品和购买服装等时尚支出所占比重并不是太大,但也占到了总量的31%。因此,我们可以认为除了日常必须的消费之外剩下的35%为大学生的自己可支配额度。
3)大学生月消费水平(如下图所示)
从上图看出大学生的月消费水平从200元到1500元以上都有涉及,不过以500-1000元档为最多为70.84%。按照中值计算方法得出月平均消费水平在850元左右。
4)大学生拥有信用卡的数量状况(如下图所示)
从上图看出大学生拥有信用卡数量以1-3张为多,百分比高达97%。因此说明大学生持卡量是相当高的。
5)大学生信用卡拥有时间分析(如下图所示)
按照中值的计算方法,可得平均拥有信用卡时间为6.4个月。从上表所示的情况来看, 只有31.15%的学生办理信用卡的时间超过了一年,68.85%的学生办理信用卡时间并未超过一年,计算得出的平均拥有信用卡时间也仅为6.4个月。
6)大学生信用卡使用频率分析(如下图所示)
按照中值的计算方法,设平均使用信用卡频率为x3,计算可得:x3=2.9次/月从目前调查状况来看,22.95%的学生自从办理了信用卡后还没怎么使用过。49.18%的学生平均每月使用信用卡的频率是1—3次,而每月使用信用卡频率在三次以上的人数占总体比重偏小。
7)信用卡了解程度分析(如下图所示)
对不同了解程度给予0—1之间数值的赋值:
从总体而言,办理信用卡大学生对信用卡的功能并不了解。
总结:对于上述的数据分析我们得出大学生办理了信用卡且个人拥有卡的数量也越来越多,但大多数大学生办卡只是图其新鲜和有赠品,对于信用卡、借记卡、循环利息等基本知识明显匮乏,更重要的是对于信用责任的认知相对来说是低水平的。而且目前大学生日常消费资金主要还是由父母提供,其他类似于奖学金与兼职的收入是微乎其微的,完全自食其力的大学生还是相当有限的,因此大学生在使用信用卡产生透支额度的时候就或多或少会存在无力偿付的隐患。
5.2 建立信用卡基准透支额度
根据调查数据分析得大学生平均月生活费为850元,而其中50.2%用于传统的日常饮食是生活的必须支出。于是剩下的49.8%的生活费用属于学生自我调配的费用。以此我们定义:
信用卡透支基准额度=月平均生活费*49.8%≈425元
5.3 利用层次分析法计算信用卡申请指标的权重
5.3.1 建立评估指标体系
个人信用等级评估指标设立的目的可以简述为银行通过评估申请人的品德、能力以及还款意愿等对其还款可能性进行预测。我们选择4大类17个指标来评价个人信用等级(如下图)
5.3.2 计算评估指标体系各因素的权重
根据影响个人信用等级的主要因素建立系统的递阶层次结构以后,需要运用层次分析法确定各评估指标的权重。
1) 构建判断矩阵。符号输入不规范 建立层次分析模型之后,就可以以上一层次某因素为准,该因素对下一层次诸因素有支配关系,两两比较下一层诸因素对它的相对重要性,并赋予一定分值,一般采用1 ~ 9 标度法。 矩阵形式如下: 式中,
a ij 就是上层某元素而言B i 与B j 两元素的相对重要性标度。
⎤, i , j =1, 2,..., n A =⎡a ⎣ij ⎦
2) 判断矩阵的一致性检验。 由于判断矩阵是主观认为赋予的,故需要进行一致性检验,即评估矩阵的可靠性。对判断矩阵的一致性检验的方法为:先计算一致性指标c
I=
λmax -n
n -1
,当
λmax =n ,Ic =0,为完全一致;IR 值越大,判断矩阵的完全一致性
越差;再查找相应的平均随机一致性指标
I R ,I R 值见下表。
I R 的值可以通过下列方法获取:用随机方法构造500个样本矩阵,随机地从
1 ~ 9 及其倒数中抽取数字构造正负反矩阵,求得最大特征根的平均值 ,并定
义
IR =
λmax -n
n -1
I c
R =
计算一致性比例R c ,c I R
,当
R c
认为判断矩阵的一致性时可以接受的,否则应对判断矩阵做适当修正。
5.3.3 计算层次单排序及总排序。
计算出某层次因素相对于上一层次中某一因素的相对重要性,这种排序计算称为单排序。具体地说,层次单排序是指根据判断计算对于上一层某元素而言本层次与之有联系的元素重要性次序的权值。依次沿递阶层次结构由上而下逐层计算,即可计算出最低层因素相对于最高层( 总目标) 的相对重要性或相对优劣的排序值,即层次总排序。本文运用matlab (程序呢)可以得出个层次的综合判断矩阵的权重值W 以及一致性检验情况(如下图所示) 。
B 1自然情况指标;B 2家庭状况指标;B 3消费方向指标;B 4与银行关系指标;
C 1年龄;C 2性别;C 3学习情况;C 4健康状况;C 5文化程度;C 6户
口;C 7有无兼职;8月生活费;9住宅性质;10所在家庭净资产;日常饮食支出;
C C C
C 11
C 12学习支出;C 13娱乐支出;C 14家庭月收入;C 15存款
状况;C 16父母是否是银行职员;C 17保险状况
5.4 AHP-BP 神经网络模型的建立
5.4.1 模型输入点的选择。
由于各判断矩阵的RC 值均小于0.1,可以认为它们均有满意的一致性。商业银行信用风险评估对影响因素较为敏感,权值累计贡献率>95% 的指标保留,即当措施层指标权值
5.4.2 相关参数的确定。
文中用于信用卡风险评估的神经网络模型基于SPDS 算法的三层B P 神经网络模型,输入层含有11个输入向量,输出层含有1个输出向量。网络隐含层节点数根据经验确定,一般可考虑的经验法则有:一是隐含层节点数不能是个层中节点数最少的,也不是最多的;二是较好的隐含层的节点数介于输入节点和输出节点数之和的50% ~70% 之间;三是隐含层节点数的理论上限由其训练样本数据所限定。所以隐含层的节点数为6 个较符合实际情况,适用双曲正切S i g m o i d 激励函数。网络各学习参数设定如下:最大循环次数为800;目标误差为0.00001;初始值为0.0001,各隐含层及输入层的阈值初值定为X 0= -1, W 0=0。
5.4.3 模型的训练与检验。 样本数和判别分析一样,训练样本和检验样本从总体中不重复随机抽样,各占总体样本的2/3 和1/3。本文结合实际情况运用模拟数据的15 个项目的相关数据作为训练样本和检测样本,其中10 个作为训练样本,5 个作为检测样本。使用M A T L A B6.5 软件编程(未见程序),计算出训练阶段样本预测结果与实际结果(见下表) ,以及检验阶段样本预测结果与实际结果( 见下表)
最后得出结论为:我们设预测值处于0.8 以上的,说明申请者信用差,风险比率高;预测值处于0.4 ~ 0.8,则说明信用一般;预测值处于0.4 以下,是属于信用高的。
5.5 信用卡风险相关因素的分析。
利用上面对信用度的评定,我们将其结果作为解释变量之一,再加上其余的特征变量,最后建立一个Logistic 模型。我们选取的20个人的信息输入如下表:
level :分为4个等级,即专科、本三、本二、本一分别用4、3、2、1来代表。
Y :1表示好,0表示坏。
我们选取SPSS 菜单中的Analyze==》Regression==》Binary Logistic... 计算机自动得到以下结果:
Case Processing Summary Unweighted Cases Selected Cases
Unselected Cases
Total
Included in Analysis Missing Cases
Total
N 20 0 20 0 20
Percent 100.0 .0 100.0 .0 100.0
上表为记录处理情况汇总,即有多少例记录被纳入了下面的分析,可见此处因不存在缺失值,20条记录均纳入了分析。
Dependent Variable Encoding Original Value
0 1
Internal Value
0 1
上表为应变量分类情况列表
Classification Table
Observed
Step 0
Y
Overall Percentage
0 1
0 0
1 8 12
Predicted
Y
Percentage Correct
.0 100.0 60.0
上表为分类预测表,可见总预测准确率为60.0%,这是不纳入任何解释变量时的预测准确率,相当于比较基线。
Variables in the Equation
B .405
S.E. .456
Wald .789
df 1
Sig. .374
Exp(B) 1.500
Step 0 Constant
上表为Block 0时的变量系数,可见常数的系数值为1.500.
Variables not in the Equation
Step 0
Variables
Overall Statistics
LEVEL INCOME CNUMBER FMONEY MTIME
Score .000 5.759 .595 3.238 .989 7.593
df 1 1 1 1 1 5
Sig. 1.000 .016 .440 .072 .320 .180
上表为在Block 0处尚未纳入分析方程的侯选变量,所作的检验表示如果分别将他们纳入方程,则方程的改变是否会有显著意义(根据所用统计量的不同,可能是拟合优度,Deviance 值等)。
Omnibus Tests of Model Coefficients
Step 1
Step Block Model
Chi-square 9.798 9.798 9.798
df 5 5 5
Sig. .081 .081 .081
上表为全局检验,对每一步都作了Step 、Block 和Model 的检验。
Model Summary
Step 1
-2 Log likelihood
17.122
Cox & Snell R Square
.387
Nagelkerke R Square
.524
此处为模型概况汇总。
Classification Table
Step 1
Observed
Y Overall Percentage
0 1
Predicted
Y 0 6 3
1 2 9
Percentage Correct
75.0 75.0 75.0
准确率达到75%。
Variables in the Equation
B S.E. Wald df Sig. Exp(B) Step 1 LEVEL -.645 .818 .623 1 .430 .525 INCOME .023 .017 1.962 1 .161 1.024 CNUMBER -1.261 1.403 .807 1 .369 .283 FMONEY -.012 .020 .369 1 .544 .988 MTIME .048 .267 .032 1 .858 1.049 Constant -12.872 8.452 2.319 1 .128 .000 a Variable(s) entered on step 1: LEVEL, INCOME, CNUMBER, FMONEY, MTIME. 由表格中的“B ”列可以看出“CNUMBER ”、“LEVEL ” 、“MTIME ” 对信用度的影响是前三位的。
5.6 对银行信用卡风险的建议
有了评估体系后,银行可以根据信用卡申请者或者信用卡授卡对象的实际情况进行比较科学的评估,对他们的基本情况归一化后,通过本文所构造的神经网络模型得到实际的输出结果,银行可以对申请者的信用进行分级。这样就可以对不同的信用等级授予不同的信用消费金额,比如预测值处于0.8 以上的,说明申请者由于各种原因,申请者对透支消费的无力按时或不愿意偿还本息而导致将来形成坏账的风险比率高,这时银行就可以拒绝申请;预测值处于0.4 ~ 0.8,则说明信用一般,银行可以考虑授予普通的信用卡;预测值处于0.4 以下,是属于信用高的,这时银行可以授予信用额度高的信用卡,还可以考虑适当增加一些个人的金融服务,尽量留住这些高信用的客户。对于不同的预测值,银行就可以针对不同信用的申请者发放不同的卡种,有效地降低了由于申请者信用的不良导致信用卡的消费形成呆账的风险。
同时银行在为大学生办理信用卡的时候要了解其学历以及已拥有卡的数量等必要信息。申请者信用差的,银行可以在透支基准额度(RMB425)的标准下再进一步降低其信用卡的可透支最大额度;信用一般的银行可以考虑授予普通的信用卡,同时结合申请人的学历与已有卡数量进行一定的控制;信用高的银行可以授予申请者信用额度大大高于基准额度(RMB425)的信用卡。
对于透支额度的调整我们可以根据之前所算的基准额度作为标准线。同时将信用度分为0-1一共5个档次,数字越小信用度越高。每升高一个档次,透支额度就升高一定量(如下图)
另外发卡行个体理性的结果是都采用宽松的申请条件。虽然从整体上看大学生群体的素质较高,在一定程度上减轻了大学生信用卡业务的风险,但信用卡业务本质上是无抵押担保的高风险银行业务。目前在校大学生只要填一张申请表,提供其身份证和学生证复印件即可申请办理大学生信用卡。这种申卡方式在一定程度上简化了信用卡的审批手续,提高了银行的工作效率,但大学生毕竟仍属于
没有固定收入来源的群体,随着就业压力的增大,许多大学生面临着毕业找不到工作的危机。因此发卡行应理性看待大学生群体,提高对大学生信用卡市场风险的认识。从而得到降低信用卡的信用风险的有效措施。
对银行信息的管理我们也有所建议,希望银行不要一味的提高大学生信用卡办理的数量而忽视的申请人的信息和办卡步骤。现在有些银行在办理校园信用卡的时候往往只需要申请人填写一份简单的表格,有些甚至只要写个名字与身份证号码就能办理了,对所写的信息也不进行核对。等日后账户出现问题,银行都无法联系到申请人。所以希望银行在信息了解已经确认方面要多加重视。
6、模型检验
根据现实我们了解到,随着社会的发展现在越来越多的大学生开始办理信用卡,且数量是越来越多,而银行给予的透支额度也越来越高。学生在刷卡消费时透支现象越来越多,而且透支的额度也越来越高。到最后就出现办理多张信用卡,“拆东墙补西墙”来还清欠款,越来越多的学生加入“卡奴”一族。同时银行因持卡人透支消费的无力按时偿还或不愿意偿还本息而导致的坏账也越来越多,风险比率节节攀升。现在已经有多家银行叫停了办理大学生信用卡的业务。可想而知,之前银行对以透支额度的设定有些时过高的,而我们分析得出的透支额度在400—2000左右,比社会上的500—5000有所降低,这是合理的。另外针对于不同信用度的人办理不同的卡也是切实可行的。
7、模型评价
传统的B P 神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。然而,当研究复杂系统建模时,由于影响因素过多,不能确定冗余因素和有用因素,不能将输入的因素简化,这样在输入信息空间维数较大时,网络不仅结构复杂,而且训练时间也很长,从而降低网络性能,影响计算准确度。因此我们利用层析分析法作为B P 神经网络的前处理,通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化,以其结果作为B P 神经网络的输入值,以减小B P 神经网络的结构的复杂性。并充分利用B P神经网络强大的容错能力和抗干扰能力,提高模型的效率。
但是必须指出的是,在评价每个因素时,有些指标的权重会特别突出,导致了抬高综合评价指数,得出信用状况变得良好的错误结论。所以利用本模型计算出来的综合评价指数不能作为个人信用的唯一判断依据,实际应用中还需借助其他的技术手段和相关的重要信息进行最后的确认。
我们没有考虑睡眠卡等现象,只分析学生的还款能力,另外我们的数据调查有局限性,我们认为北京高校大学生使用信用卡现象能代表全国这是片面的。同时在定义基准额度的时候,该数据的得出含有我们的主观想法,不是很准确。
8、参考文献
[1]管敏,2006:《对我国信用卡业务风险防范的思考》,《沿海企业与科技》,2006年第11期 [2]迟春娟:《大学生信用卡的风险管理研究》,中国华东师范大学硕士生论文,2007年5月
[3]胡勇、张永青,2006:《信用卡风险管理》,《特区经济》,2006年1月 [4]杨毅,2005:《大学校园信用卡市场问题初探》,《河北金融》,2005年04期 [5]吴东文,2005:《贷记卡业务的风险控制》,《中国信用卡》,2005(4) [6]周天芸、张明睿,2006:《大学生信用卡市场探析》,《中国信用卡》,2006年16期
[7]涂淑芬,2006:《对我国大学生信用卡市场发展的浅思》,《安徽文学》,2006年第11期
[8]http://www.xmnn.cn/dzbk/xmrb/20071010/06.pdf
2008大学生信用卡使用现状及理财观念调查报告[9]http://hi.baidu.com/lyh03063/blog/item/7a42b313a730dec9c2fd7842.html
信用卡风险管理的经济分析
[10] http://www.law-lib.com/lw/lw_view.asp?no=1576 [11] http://www.bioon.com/biology/spss/55216.shtml [12]http://bbs.newwise.com/thread-239108-1-1.html
[13]http://www.p5w.net/banking/yhk/200605/t321115.htm
[14]http://resource.stockstar.com/info2009/darticle.aspx?id=JL,200810
15,00001166&columnid=2437