网络大数据视角下的商业银行信贷决策研究

包钰轩

摘要：信贷决策是商业银行运营中的重要一环。通过发票總金额、开票频率、发票比例、金额波动等数据，应用Python考量中小微企业的实力、信誉和稳定性，评估银行信贷风险。通过模糊评估法建立企业评价模型，考量是否提供贷款业务以及确定银行信贷策略。通过函数关系式求解银行年收入的最大值，利用Excel制表给出相对优化的信贷策略。

关键词：网络大数据 企业评价模型 Python数据整合 银行信贷决策

在网络大数据视角下，综合企业评价模型;Python数据整合等手段，对于保证商业银行信贷决策的科学性，实现商业银行信贷决策的最优化，有着重要作用。

一、建模背景

（一）基于问题的建模分析

问题一：通过各企业进项发票和销项发票信息，求出总收益和开票频率，然后利用聚类分析将表中的企业分为四类，并分别制定贷款额度。同时，对银行贷款年利率与客户流失率的关系，求出对各个信誉评级下企业的最优贷款年利率，进而给出有信贷记录企业样本的信贷决策。问题二：解决无信贷记录企业样本的信贷决策。首先将问题一中有信贷记录的123家企业作为训练集，根据有效发票比例进行学习，将问题二中无信贷记录的302家企业作为测试集，得出涉及企业的信誉评级，进而得出银行针对不同企业的信贷策略。问题三：分析突发因素对不同类别企业的生产经营和经济效益的影响（例如新冠病毒疫情影响），根据《国民经济行业分类明细》中20种行业的数据分析，将突发因素设为对银行收入影响的变量β，并重复问题二中的步骤，综合得出商业银行在年度信贷总额为1亿元时的信贷调整策略。

（二）模型的假设与约定

第一，假设企业经营良好，有正常的营业收入，并且正常缴税。第二，企业法人或者股东拥有一定资产，可以证明自身的还款能力。第三，企业（包括法人在内）没有不良的征信记录。第四，不考虑企业的其他收益来源，销项发票额-进项发票额即为企业总收益。第五，单笔数额较大的支票和开票频率与企业的实力相联系。第六，有效发票的占比与企业的信誉相联系。

（三）涉及符号说明

二、模型建立及求解

（一）问题一

首先，由有信贷记录的123家企业销项发票信息与进项发票信息，得出企业总收益P 的数学模型，并利用Python进行计算后求出企业总收益P。

接着，由销项发票与进项发票信息，对相应数据计数得出企业开票频率F。然后，通过anaconda的Scikit-learn库，按企业总收益P与开票频率F进行聚类分析，将企业分为0、1、2、3 四大类，针对其经营实力给与相应贷款额度Q，具体为1类企业给予贷款40万，2类企业给予贷款80万，3类企业给予贷款100万，而0类企业不给予贷款。同时，分析银行贷款年利率与客户流失率关系，得出不同信誉评级下最佳贷款年利率的数学模型：max YTMA×（1-rA）A;maxYTMB×（1-rB）B;maxYTMC×（1-rC）C。利用Python计算后求出不同信誉评级下最佳贷款年利率，即YTMA、YTMB、YTMC，则银行年收益用公式可表示为：Y=Q×YTMi 。

按照上述模型，利用Python进行求解，得到有信贷记录的123家企业信贷策略。

（二）问题二

首先，同样由302家无信贷[1]记录企业的销项发票信息与进项发票信息，得出企业总收益P 的数学模型（与问题一相同），利用Python计算后求出企业总收益P。接着，根据销项发票信息与进项发票信息，用计数函数得出企业开票频率F。然后，通过anaconda的Scikit-learn库，按企业总收益P与企业开票频率F进行聚类分析，由于本题的数据量较多，且大多数企业总收益P与开票频率F不成正比关系。于是，引入新变量Pe——每笔发票收益来作为评定企业实力的指标。通过聚类分析，发现最优的分簇值为9，即按实力将企业分为九大类，并利用目标规划模型建立在年度信贷总额为1亿元时，银行给予不同门类企业的贷款额度模型：设贷款超过一亿元的数值d+，贷款不足一亿元的数值为d-，0类企业数为a0，1类企业数为a1…最后，利用银行年收益公式，求出银行在年度信贷总额为1亿元时的信贷最佳策略。通过计算302家无信贷记录企业的有效发票比例，对其进行信誉评级。具体公式如下：min=d_1;S.t.（a0x0 + a1x1 +… + a8x8）= 100000000;x0，x1 …x8 ∈ [10，100];以及Y=Q×YTMi。将问题一中的123家有信贷记录企业的有效发票比例及所对应的信誉评级作为训练集，再将表2中的302家无信贷记录企业的有效发票比例及对应的信誉评级作为测试集，进行机器学习。最后，根据问题一的求解思路，得到无信贷记录的302家企业信贷策略。

（三）问题三

在问题二建立的模型基础之上，引入由于疫情对银行信贷决策的影响因子β，从而建立新的银行年收益模型。首先，通过在网上搜集有关文件和数据库[2]，得到《国民经济行业分类明细》中 20 种行业的上半年利润增长率。然后，利用目标规划模型建立在年度信贷总额为1亿元时，银行给予不同门类企业的贷款额度模型：设贷款超过1亿元的数值为d+，贷款不足1亿元的数值为d_1，0类企业数为a0，1类企业数为a1 …。最后利用银行年收益公式，求出银行在年度信贷总额为1亿元时的信贷最佳策略。其中两个变化公式为S.t.β（a0x0 + a1x1 + … + a8x8）=100000000，Y=Q×YTMi×β。

（四）模型求解

首先，根据行业分类规则对302家无信贷记录企业进行排序。然后，经网络搜集各种相关文件和数据库，得到对2020年上半年利润增长率[3]。

最后，根据问题二的求解思路，得到银行对于无信贷记录的302家企业在疫情影响下的信贷策略。

三、模型的评价与推广

（一）模型的优点

第一，本模型采用excel 软件进行数据处理，操作简便，结果易懂，具有较高的可操作性和可试验性，同时又利用python和matlab等软件进行更加复杂的数据处理，简繁得当[3]。第二，在分析第一题和第二题时，为了计算更加简洁，忽略了很多影响不大的变量，使得计算过程更加简单，但同样具有参考意义。第三，在分析第三题时，到官方平台查阅新冠疫情对行业影响的数据，相对真实可靠，能够给出银行在突发情况下的信贷分配额度策略。

（二）模型的缺点

第一，确定信誉评级时只选取有效发票比例这一项指标。第二，没有更深地挖掘附表数据中隐含信息。第三，问题三求得的疫情对银行信贷决策的影响因子β仅具有参考意义，缺乏更高的准确性。

（三）模型的推广

银行不仅提供信用卡和贷款服务，越来越多的电商平台也推出类信用卡服务来刺激消费。随着超前消费渠道的逐步涌现，顾客的消费选择性也日益增多。但是在大数据的背景下，电商平台对消费者的画像也并非十分精准，如果借贷给信誉不好、缺乏还款能力的消费者，容易造成坏账增加的情况。而如果能够在实践中使用与优化企业评价模型，可有助于各个平台的贷款额度评定，也可以对银行认定个人信用卡额度起到良好的借鉴作用。

参考文献：

[1]费磊.新冠疫情对银行机构行业贷款质量影响的调查——以日照为例[J].黑龙江金融，2020（03）：36-38.

[2]国家统计局公布2020年上半年国民经济运行情况[EB/OL].网址.http：//www.farmchina.org.cn/ShowArticles.php？url=DjINaFw8UmdUZF49UWZUNg.

[3]徐帆.中小微企业动产融资信贷模式创新研究——基于金融可持续发展的视角[J].北方经贸，2020（09）：104-106.

作者单位：上海对外经贸大学金融管理学院