基于层次分析法的大学生信用风险评价指标体系研究

赵崤宏　温然

摘   要：本文梳理相关文献资料，定性分析可能影响大学生信用的众多因素，采用AHP层次分析法定量分析，选择了对于大学生信用风险影响较大的因素设计出风险评价数学模型，将风险量化评估，运用Matlab编程计算各因素的权重，构建出一个较为合理的指标权重体系，再运用德尔菲法采用五分制对每一指标的评价分值进行分配，得出一个较为完整的大学生信用风险评价指标体系。

关键词：信用风险;校园贷;大学生信用评价;层次分析法

中图分类号：F812.7                   文獻标识码：B                      文章编号：1674-0017-2019（3）-0050-07

一、引言与文献综述

随着互联网金融的蓬勃发展，大学生超前的消费观念和创业需求、互联网贷款申请的便利使得校园网贷快速发展，与此相伴的是高利贷、暴力催收、裸条贷款等违法违规现象频发，严重破坏了市场规则，扰乱了校园秩序。2017年6月28日，中国银行业监督管理委员会、教育部、人力资源社会保障部联合印发《关于进一步加强校园贷规范管理工作的通知》，提出鼓励银行等金融机构进一步提高对大学生的服务效率，补齐面向校园、面向大学生金融服务覆盖不足的短板。针对大学生的信用风险防范便成为了一个急需解决的问题。

对学生的信用风险研究，国外集中于对考试作弊和学术欺骗进行诚信评价，没有具体而明确的评价体系，国内主要集中在国内大学生诚信档案建设和管理完善信用评价体系及对信用的现状进行调查等方面。在指标选取方面，李小芳（2014）通过学习美国FICO信用评价指标体系，结合国内商业银行的个人信用情况，同时考虑学生的在校信用情况，通过问卷调查来评估影响大学生信用风险的因素。卿馨予（2009）从学生的信贷状况、学校信誉系统和社会信誉系统的角度分析大学生的信誉，建立了一个信用指标系统。关于对大学生个人信用贷款评估的研究方法，经常使用的统计分析方法有决策树、回归分析、专家系统和贝叶斯网络分析法等。刘姿含（2014）通过建立结构方程分析信用评价，兰砚军（2013）选择模糊评价法对信用等级进行划分。

通过梳理文献发现，大学生信用评价指标的筛选与构建目前存在以下不足：一是传统的信用评价指标中缺少大学生网上消费信用信息，而随着互联网消费金融的普及性不断提高，网络消费和网络信贷已成为大学生消费和金融首选，信用评价中应当添加此类信息。二是指标的筛选多侧重于单方面的定性分析或定量分析。已有文献用定性的方法确定的信用评级指标是非常简单的，未能涵盖全部信息。鉴于此，本研究运用层次分析法和德尔菲法相结合的方法对大学生信用评价指标进行研究。首先通过定性分析确定可能影响大学生信用的主要因素，然后采用AHP层次分析法定量分析，选择了对于大学生信用风险影响较大的因素设计出风险评价数学模型，将风险量化评估;运用Matlab编程计算各因素的权重，构建出一个较为合理的指标权重体系;再运用德尔菲法采用五分制对每一指标的评价分值进行分配，得出一个较为完整的的大学生信用风险评价指标体系。

信用风险评价体系的构建和完善有助于判别大学生信用水平等级，在金融机构对大学生提供信用贷款时，提供风险识别依据，为降低违约事件发生，减少暴力催收事件，构筑和完善社会信用体系建设方面起到有益作用。

二、构建信用评价指标体系

（一）大学生的信用评价指标定性分析

大学生信用风险衡量与这一群体的阶段性特点密不可分。大学生具有无稳定工作、收入来源渠道单一等特点，可提供的信用记录较少，几乎没有符合条件的可抵押资产。但是，大学生未来收入具有增长潜力，平均工资起点高于高中学历以下人群，而且随着工作年限增长，收入会呈显著上升趋势，还款履约能力会逐渐提高。因此在对大学生的信用评级评定中不能只停留在个人当前的信用评分中，还需考虑到大学生未来的发展前景，此处将控制风险的系统分为五种情况。

1.基本信息。男生、女生在思维方式和消费习惯中存在一定的差别，影响其信用信息的分布。随着年龄的增长，大学生专业水平和职业技能在发生变化，收入水平和还款能力不断发生改变。不同学历层次的人的收入水平有着明显差异，同时是否受过良好教育对个人的信用观也会产生较大影响。所以，此处的基本信息包括贷款人性别、年龄、学历三大方面。

2.大学生生活环境。主要通过大学生所在的学校、所学专业等与未来该大学生工作相关因素进行分析来衡量大学生信用水平，最重要的潜在因素是分析得到大学生未来工作后可能的信用等级。

3.大学生的经济来源。首先要考虑的是大学生主要收入来源，对大学生的收入渠道进行详细调查，借此对给大学生提供信用风险进行评价。

4.诚信行为。大学生的守信程度是建立良好信贷关系和保障偿付的重要因素。建立大学生的在校诚信行为考察标准，以此来对其诚信状况进行评价。

5.家庭收入状况。家庭资金支持是绝大多数在校大学生的主要经济来源，因此家庭收入状况直接影响大学生的消费习惯和金融行为。家庭收入状况的调查可以通过大学生家庭基本信息分析，通过家庭背景的重要信息给予信用评价。

（二）信用评价模型构建

通过分析影响大学生信用的因素来对大学生信用风险情况进行度量。本文采用层次分析法和德尔菲法进行研究分析，并由此构建出大学生个人信用风险评价模型。

1.AHP层次分析法模型基本介绍。层次分析法是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上将定性和定量相结合分析的决策方法。层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，最终使问题归结为最底层（供决策的方案、措施等）相对于最高层（总目标）的相对重要权值的确定或相对优劣次序的排定。

2.要素选择。一是基本信息通过三方面来考虑。①随着年龄的增长，大学生素质能力也在发生变化，其信用行为有所不同;性别不同，大学生对信用的观念也存在差异;②学历分为专科、本科、研究生三类。二是生活环境通过三方面考虑;①学校信用：将学校分为职业院校、普通高校、211院校和985院校，按所处的位置进行合理评价。②学校就业状况：根据学校公布的本校大学生就业率，量化分析学校就业状况。③专业前景：根据国家公布的热门专业排名以及是否是和学校每年公布的本专业毕业大学生收入情况得出該专业未来情况的分析。三是经济来源通过三方面考虑。①奖学金和助学金：有国家奖学金、国家励志奖学金、国家助学金、校级奖学金、班级奖学金，根据奖学金等级不同给予获奖的同学信用评价。②生活费：根据实际大学生消费水平设定区间，对大学生每月得到的来自家庭的资金支持进行分析。③兼职工作：从兼职工作的收入来对兼职工作进行信用评价。四是诚信行为通过三方面考虑。①考试作弊行为：对存在考试作弊行为和不存在考试作弊行为的大学生做出较大区分的评分。②荣誉称号：通过三好学生、优秀学生干部、先进班集体和精神文明先进个人等荣誉称号的等级来对个人的品性加分。③芝麻信用评分：基于大学生群体对支付宝的广泛使用，借助芝麻信用评分对大学生在网上消费信用进行评价。五是家庭背景通过三方面考虑。家庭中父母对子女的行为品格的影响较大，父母的工作稳定与否、安全性以及收入水平的高低对大学生现在和未来是否会进行信用消费有很大的影响。①父母职业：通过不同职业的具体特性（比如稳定性与否、安全性、工作性质、难度强度等）来获得职业评分。分类可以有国家机关、党群组织、企业、事业单位负责人;专业技术人员;办事人员和有关人员;商业、服务业人员;农、林、牧、渔、水利业生产人员;生产、运输设备操作人员及有关人员;军人;不便分类的其他从业人员。②家庭收入：根据家庭收入水平设定区间，来对家庭收入给予评价。③父母征信记录：对父母存在不诚信行为和不存在不良征信的大学生评分做出较大差距的评分。

3.模型建立及一致性检验。建立信用风险评价的数学模型，评价大学生信用风险，将可能对信用产生影响的因素按他们之间的相互关系进行分类，按照目标层、准则层和指标层排列，构成一个层次结构，对同一层次的诸多影响风险的因素采用两两比较的方法确定出相对于上一层次的权重，照此层层分析直至最后一层，给出所有因素相对于总目标而言的权重，最后得到了按重要性程度排序建立的指标体系。

步骤一：建立层次分析结构模型。将信用评价作为决策层A，影响信用的因素逐步深入分为准则层B和指标层C，层内各因素基本相互独立，下层受上层影响。建立如下所示的评价指标体系（见表1）。

步骤二：构造成对比较矩阵。在每个水平之间得到各因素的权重，如果只是定性分析出的结果往往是不容易被其他人接受的，Santy等人于20世纪70年代给出了一种新定义，一致矩阵法不只是将变量联合分析，而是根据相互比较和相对尺度的关系，尽可能地减少不同类型的变量之间的比较的难度。如对某一准则，对其下的各指标层方案进行两两对比，确定在该层中相对于准则层所占的比重，并按其重要性程度评定等级。Santy给出的9个重要性等级及其赋值。按两两比较结果构成的矩阵称作判断矩阵。

步骤三：层次单排序及一致性检验。层次单排序定义为最大特征根所对应的矩阵在经过正规化处理后，将向量的每一个元素相加得到的值为1，将该向量定义为W。该向量中的元素代表在同一水平的一个因素在层次结构中的相对重要性权重的排序。能识别出是不是层次单排序，需要通过一致性检验，即有一个控制线，在控制范围内为不一致情况。一致性矩阵表示n阶一致阵的唯一的非零特征根正好等于n阶正互反矩阵A的最大特征根λ时的矩阵，否则n小于λ时不是一致矩阵。

由于λ具有连续性，它是依赖于a的大小，λ与n的差距越大，矩阵A越不一致。一致性指标用CI计算，CI越小，说明一致性越大。将下层因素对上层的因素影响程度的权向量用最大特征值对应的特征向量来反映，则引起的判断误差与不一致程度是正相关的。因而可以用λ-n数值的大小来衡量A的不一致程度。定义一致性指标为：CI=。CI=0的含义是说明具有完全一致性;CI近似于0的情况下表示满意的一致性;CI距离0越远，表明一致性是越差的。

为衡量CI的大小，借助于RI这个变量，它是一种检验随机一致性的指标，其定义为：

其中，随机的检验一致性的RI指标和判断矩阵的阶数有一定关系，一般情况下，矩阵阶数越大，则出现一致性随机偏离的可能性也越大，其对应关系见表4。

考虑到一致性检验不通过是因为随机性，在验证矩阵是否满足一致性时，还需将CI与RI做除法，通过比值得到一个新的检查系数CR，公式为：CR。一般，如果CR<0.1，则认为该判断矩阵通过一致性检验，CR离0.1越远则证明一致性越差，通不过检验。

对上一步骤得到的六个成对比较矩阵（B、C1、C2、C3、C4、C5）进行一致性检验，测试结果见表5。成对比较矩阵的一致性结果是可以实现的。层次单排序就是通过将判断矩阵做出它的最大特征根λmax对应的特征向量，经过归一化处理后得到同一水平的各个因素对于目标层的某个因素相对重要性的排序权值见表6。

B层五个因素B1、B2、B3、B4、B5对总目标的排序为：a1、a2、a3、a4、a5，C层的因素对于准则层Bi中因素的层次单排序Ci1，Ci2，Ci3（i=1，2，3，4，5）。

步骤四：计算各因素的权重及RI与CR值的Matlab编程。

clc

clear all

a=[1，1/2，1/7，1/4，1/2;2，1，1/5，1/3，1;7，5，1，2，5;4，3，1/2，1，3;2，1，1/5，1/3，1]; %成对比较矩阵

%一致性检验和权向量计算

[x，y]=eig（a）; %矩阵特征向量及特征值

eigenvalue=diag（y）;

big_eigenvalue=max（eigenvalue）; %最大特征根

[r，l]=find（y==max（max（y）））; %确定最大特征根所在位置

W=x（：，1）/sum（x（：，1））;%最大特征根对应的特征向量（权重）

RI=[0 0 0.58 0.90 1.12 1.24];

n=5;%矩阵的阶数

CI=（big_eigenvalue-n）/（n-1）;

CR=CI/（RI（n））;

if CR<0.1

disp（`通过'）;

else

disp（`不通过'）;

end

Step5层次总排序及一致性检验

计算同一层次所有元素对最高层的相对重要性的排序权值，见表7。

层次总排序的一致性比率为：

CR=

代入数据可得CR=0.005632<0.1

模型通过一致性检验，模型是稳定的。

由表中数据结果可得指标层C的每一个因素中的权重，其中生活费、芝麻信用分和兼职工作占权重最大，性别占权重最小。根据数据和假设可得到各种准则的评分，由比分和权重的乘积可对应得出每个大学生个人的风险评价，将风险进行量化，对可能存在的风险进行度量，进而建立大学生信用风险评价体系。

4.指标分值的界定。采用德尔菲法，集中整理六名专家的意见，并根据全面科学、灵活可操作的原则，充分考虑大学生的特点，采用五分制对大学生个体的15项具体指标进行评价打分。具体如表8所示。通过信用风险模型构建，观察C层变量对A层的影响权重，可以看出生活费仍然是大学生收入的主要来源，对大学生的信用风险评价也具有重要意义。同时，随着支付宝用户的增加，芝麻信用分越来越被广泛承认、接受，不仅可以用作申请签证中的信用依据，对大学生信用风险体系的构建也起到了积极作用。

本文通过AHP层次分析法和德尔菲法的综合运用，构建了大学生信用风险评价体系，具有以下作用：不仅定性分析大学生信用风险评价指标，还可以定量研究大学生信用风险;有利于提高大学生金融素养、增强大学生信用意识，有助于防范大学生信用缺失、盲目贷款等乱象;完善大学生信用数据库，有利于促进高校进行大学生信用教育;对银行等金融机构衡量大学生信用风险具有参考价值，有利于其降低不良贷款率及違约风险。推动传统金融机构与金融科技公司合作深化。虽然传统金融不断对新技术进行自主研发，但与金融科技公司的合作仍在不断加深，服务内容开始拓展到个人征信、消费金融、供应链金融等领域。

三、结论及建议

本文针对大学生这一群体的具体特点，先定性分析影响大学生信用风险的因素，然后采用AHP层次分析法定量分析，选择了对于大学生信用风险影响较大的因素设计出风险评价数学模型，将风险量化评估，运用Matlab编程计算各因素的权重，构建出一个较为合理的指标权重体系，再运用德尔菲法采用五分制对每一指标的评价分值进行分配，得出一个较为完整的的大学生信用风险评价指标体系。在该体系中，大学生生活费、芝麻信用分和兼职工作占大学生信用风险权重最大。就如何完善的信用风险防范，本文提出以下建议：

一是加强大学生信用意识。高校通过开设有关征信、理财、信贷等金融相关课程或讲座，增强大学生信用意识，培养大学生金融素养，提高其管理生活费及其他收入的理财水平，合理规划资金安排，并引导大学生从正规金融机构获取金融服务，避免出现暴力催收等恶性事件。

二是建立信用风险评价机制。不断完善信用风险评价数据，防范大学生信用风险。

三是建立信用奖惩机制，加强外部环境的引导。通过对信用风险评价体系中的高权重指标予以倾斜，更精准地反映大学生守信违约情况。严惩大学生不诚信行为，通过取消具有考试作弊等不诚信行为大学生的评优、评奖资格，发挥导向作用。

参考文献

[1]王培，李亦凡，李梦凡，王艺娜.大学生信用评价指标体系的建立[J].现代商业，2016（08）：188-190。

[2]侯雨欣，王冲.基于德尔菲法与因子分析的大学生信用评价指标筛选研究[J].四川师范大学学报（社会科学版），2016，43（05）：

34-41。

[3]李小芳.大学生信用缺失与大学生信用评价指标体系建立[J].特区经济，2014（06）：200-202。

[4]卿馨予.大学生信用管理体系及评价指标的构建[J].商场现代化，2009（30）：44-45。

[5]刘姿含. 基于结构方程模型的大学生信用评价研究[D].湖南大学，2014。

[6]兰砚军.基于AHP法高校学生信用指标权重的确定[J].电大理工，2012（04）：27-29。

[7]孙玉蛟.“十三五”科技创新能力统计监测指标体系研究——以天津市为例[J].天津科技，2018，45（11）：76-78+81。

[8]郭菲，张展新.农民工新政下的流动人口社会保险：来自中国四大城市的证据[J].人口研究，2013，37（03）：29-42。

Research on Evaluation Index System of University Students'

Credit Risk Based on Analytic Hierarchy Process

ZHAO Xiaohong   WEN Ran

（Hebei University of Economics and Business，Hebei SHIjiazhuang  050061）

Abstract：College students'financial market has a huge scale and broad prospects for development. In order to fully and dynamically reflect the possible financial risks， it is necessary to collect personal information of College students，and to reduce the risks by evaluating the credit risks of College students. This paper consults a large number of relevant literature， first qualitatively analyses many factors that may affect college students'credit，then uses the AHP to make a quantitative analysis， and chooses the factors that have a greater impact on the credit risk of College students， designs a risk assessment mathematical model， quantifies the risk assessment， calculates the weight of each factor by using MATLAB programming， and constructs a more reasonable index weight. In the system， Delphi method is used to distribute the evaluation scores of each index， and a relatively complete evaluation index system of College Students'credit risk is obtained.

Keywords： Credit risk;campus loan;credit rating;anylytical hierarchy process

責任编辑、校对：王兆华