| Author: | 王大为 Wang, Dawei |
| Title: | 消费信贷个人信用风险评估模型构建与效果 ：基于人行征信数据的实证研究 |
| Other Title: | Construction and effectiveness of personal credit risk assessment models for consumer credit : an empirical study based on people's bank of China credit reference data |
| Advisors: | Su, Nancy (AF) Wang, Yutao (RU) |
| Degree: | D.Mgt. |
| Year: | 2026 |
| Department: | Faculty of Business |
| Pages: | 163 pages : color illustrations |
| Language: | Chinese |
| Abstract: | 消费贷款行业近年来不断发展。根据人民银行《金融机构贷款投向统计报告》（2013 - 2025 年 3 季度）统计，消费性贷款（不含个人住房贷款）余额从 3.18 万亿元增长到 21.29 万亿元，2013 - 2024 年间年增长率 18.3%。这一数据反映出消费贷款在促进内需和经济增长中发挥着重要作用。然而，近年来消费贷款行业增速趋缓，行业整体不良率有所增加。在此背景下，以个人信用风险评估为核心的风险控制，成为监管层、学术界和实践者关注的重要话题，它对消费贷款行业的持续健康发展起着关键作用。 与以往研究不同，本文试图基于多种前沿的机器学习算法构建消费信贷个人信用风险的最优估计模型并对模型的有效性进行检验，分三大部分：第一，个人信用风险模型构建及对比；第二，检验这风险评估模型的效果；第三，对不同风险评估模型进行异质性分析。 本文在信息不对称理论、信用风险理论、预期损失理论的基础上，根据逻辑回归、随机森林、 XGBoost、LightGBM、Stacking 等方法，使用 python 工具，利用某金融机构约 1300 个维度的特征库，以该金融机构 2023 年 9 月 - 2023 年 11 月期间存在人行征信报告的约 22.64 万个人信用贷款数据为研究对象，进行评估模型构建和对比、仿真验证，提出了一个综合考虑精确性、收益性的最优模型，并最终进行异质性分析。本文主要对比了逻辑回归模型、决策树模型、随机森林模型、LightGBM 模型、XGBoost 模型、和 Stacking 模型，得到的主要发现如下： 1. 随机森林模型在 KS、AUC 指标、等频分箱中的提升度等精确性指标上均表现最优，但在模型稳定性仅次于逻辑回归模型； 2、以贷款笔数、贷款金额来衡量模型的应用效果，发现随机森林模型表现最优； 3. 在以贷款金额、贷款期限分组的异质性分析中，在所有分组中，与其他模型相比，随机森林模型在 KS、AUC 指标等精确性指标上表现最优。 4. 在以贷款金额、贷款期限分组的异质性分析中，在所有分组中，与自身相比，随机森林模型在短期或长期以及较大金额方面，表现最优。 （1）从模型整体区分度表现 AUC 指标来看，12 期 > 3 期 > 9 期 > 6 期，从模型最佳情况下的区分度 KS 指标来看，3 期 > 12 期 > 9 期 > 6 期。 （2）不论从模型整体区分度表现 AUC 指标，还是从模型最佳情况下的区分度 KS 指标表现来看，在 (3w, 5w] 金额范围内效果最优，在 (3k, 5k] 金额范围内效果最差。 5. 在以贷款金额、贷款期限分组的异质性分析中，各类模型具有一定的共性，即所有模型均在 3 期资产客群和 12 期资产客群上表现相对较优，均在 (1w, 3w] 的资产客群和 (3w, 5w] 资产客群上表现相对较优。 6. 同时，研究还发现，（1）各类个人信用风险评估模型均显示，影响个人信用风险的主要因素是多头共债，即借款人存在的 “借新还旧” 压力和借款人 “多平台借贷” 行为，是影响个人信贷风险的主要因素；（2）随机森林模型在捕捉复杂风险特征、处理数据异质性及模型泛化能力等方面，更适合评估以多头共债为主要特征的个人信用风险。这些发现意味着，在对比了多种风险评估模型后，随机森林模型更适合个人信贷决策和风险识别。 本研究有如下研究意义。首先，本研究基于人行征信数据构建的个人信用风险评估模型更适合于行业实践，对个人信贷的有效决策具有重要的现实指导意义。本研究基于一个金融机构的实践数据，通过多模型构建对个人信贷风险进行评估，并对比了模型效果，一方面对该金融机构的个人信贷决策具有指导作用，另一方面也发现了一些一般性规律，如随机森林模型最优等，这样可以拓展应用于其他金融机构。其次，数据创新性。本研究基于人行征信系统数据，能够观察更细致的个人特征，从而有效了解个人信贷风险的根本决定因素，这不仅为信用风险评估模型提供了新的经验证据和视角，而且也拓展了理论研究的深度和广度。 |
| Rights: | All rights reserved |
| Access: | restricted access |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 9236.pdf | For All Users (off-campus access for PolyU Staff & Students only) | 3.29 MB | Adobe PDF | View/Open |
Copyright Undertaking
As a bona fide Library user, I declare that:
- I will abide by the rules and legal ordinances governing copyright regarding the use of the Database.
- I will use the Database for the purpose of my research or private study only and not for circulation or further reproduction or any other purpose.
- I agree to indemnify and hold the University harmless from and against any loss, damage, cost, liability or expenses arising from copyright infringement or unauthorized usage.
By downloading any item(s) listed above, you acknowledge that you have read and understood the copyright undertaking as stated above, and agree to be bound by all of its terms.
Please use this identifier to cite or link to this item:
https://theses.lib.polyu.edu.hk/handle/200/14663