基于大样本数据模型的汽车贷款违约预测研究

作者:舒扬;杨秋怡; 刊名:管理评论 上传者:闫国升

【摘要】本文运用国内某知名汽车金融公司2014年12月的47138条客户数据,首先运用ROC曲线检验逐步回归功效,再分别建立二值选择模型和计数模型对贷款客户违约状况进行预测,并运用遗传算法对不平衡样本进行一对一匹配,最终得到预测结果.结果表明现存违约评估体系不够有效,客户基本信息、区位、贷款信息、车型、信用状况、房产、贷款期间冲击事件等均会对违约状况产生相应影响.另外,我们得出匹配后的平衡样本预测准确率仍然很高,Logistic模型最适用于客户是否违约的预测,而负二项模型在违约时长的预测中效果更佳的结论.

全文阅读

第 29卷第 9期 2017年 9月 管理评论 Management Review Vo1.29.No.9 Sep.,2017 基于大样本数据模型的汽车贷款违约预测研究 舒 扬 杨秋 怡 (华 中科技 大学经济学院,武汉 430074) 摘要 :本文运用国内某知名汽车金融公 司 2014年 12月的 47138条客户数据,首先运用 ROC曲 线检验逐步 回归功效 ,再分别建立二值选择模型和计数模 型对贷款客 户违约状况进行预测,并 运用遗传算法对不平衡样本进行一对一匹配 ,最终得到预测结果。结果表明现存违约评估体 系 不够有效 ,客 户基本信息、区位 、贷款信息、车型、信用状况、房产、贷款期间冲击事件等均会对违 约状况产生相应影响 。另外 ,我们得 出匹配后的平衡样本预测准确率仍然很 高,Logistic模型最 适用于客 户是否违约的预测 ,而 负二项模型在违约时长的预测中效果更佳的结论 。 关键词 :汽车贷款 ;违约预测 ;逐步回归;ROC曲线;二值选择模型 ;计数模型 ;遗传算法匹配 引 言 汽车贷款 ,作为汽车金融公司的支柱业务 ,是公司资金运转的命脉 ,也是汽车工业和消费市场高速发展的 强劲动力 。近年来 ,随着国民经济的发展 ,我国汽车贷款发展迅猛 ,其关注度甚至逐渐超过房地产贷款 ,发放 贷款的主体也逐渐由商业银行过渡到汽车金融公 司。从 目前看来 ,根据中国汽车工业协会的预测 ,1O年后中 国汽车金融业 的市场容量将翻两番 ,达到 5250亿元 ,未来 3至 5年中国的购车贷款率有望达到 40%至 50%。 我国汽车市场规模不断壮大,给汽车金融提供了良好的增长空间,再加上汽车贷款业务利润回报率高,汽车贷 款业务发展空间巨大。 然而,随着汽车贷款业务的蓬勃发展 ,汽车贷款中的信用风险也逐渐暴露在人们面前 。虽然汽车金融公 司采取各种措施预防和控制违约状况的发生 ,但“一车多贷”、“虚假车贷 ”等严重损害金融公司利益 、扰乱金 融市场秩序的现象仍然层出不穷。截至 2014年末,汽车金融公司的整体不良贷款余额已达到 13.28亿元。 现存普遍应用的汽车金融公司的客户评估体系基本基于信用分析人员的主观判断经验。虽然具备一定的权 威性与专业性,但过于主观,不够科学,并且存在由历史信息判断现有客户违约状况的滞后性缺陷,得出的客 户评分准确性和有效性备受质疑。频繁的违约现象对于我国汽车金融的发展极其不利 ,不仅打击 了汽车金融 公司的贷款积极性 ,还严重阻碍 国家促进汽车工业 良好发展、做大汽车金融市场的规划进程。 为了检验现有的评分体系是否有效 、找出客户违约状况主要受哪些 因素所影响 ,本文运用 国内某知名汽 车金融公司的五万多条客户 的最新大样本数据 ,归纳形成八类解释变量 ,选择 出最为精确、解释力强的汽车贷 款违约预测模型。旨在将 目前 尚不稳定的定性评估转化为准确可靠 的定量分析 ,选定最符合公司状况 的模型 投入到汽车金融公司违约预测和贷款决策的广泛实践 中。 本文的贡献在于 : (1)实证结果表明,汽车金融公司现存运行的评分体系评估效果并不尽如人意。客户违约状况随着现存 信用评分的增加先恶化 ,达到 38分后再逐渐改善 ,而不是理论上应当呈现 的逐渐改善。 (2)本文针对汽车金融公司最为关注的两个变量——“客户是否违 约”和“客户会违约多久 ”分别构建了 二值选择模型(包括 Logistic模型和 Probit模型 )和计 数模 型(包括 Poisson模型和负二项模型 )。首先运用 ROC曲线和逐步 回归方法衡量各解释变量的贡献

参考文献

引证文献

问答

我要提问