大学生助学贷款风险信用评估模型研究
[摘 要]为能够客观地评价国家助学贷款还贷问题中大学生信用以及还款能力，高校应综合考虑影响大学生贷款的各个因素，选取适当的评价指标，建立基于层次分析法的大学生贷款信用模型。同时，要根据问卷调查以及专家调查法的结果，进行合理的指标评价，并根据学生实际情况进行分析，检验模型可行性。
[关键词]大学生助学贷款，层次分析法，专家调查法，评估模型
[中图分类号] G645 [文献标识码] A [文章编号] 2095-3437（2018）01-0192-04
国家助学贷款主要是帮助高等院校中经济困难的学生维持生活、学习上开支的一项重要措施，其本质是帮助学生树立自立自强观念，鞭策学生勤奋学习，努力进步。但是由于我国的大学生贷款机制尚且处于初级阶段，个人信用意识缺乏，在国家助学贷款的运行中出现了一些大学生违约的情况。近年来，我国助学贷进入了还贷高峰期，官方数据表明2006届的毕业生首次还款日能够按时还款的比例为68.8%，有31.2%的贷款学生不能按时偿还助学贷款，存在违约现象。[1]如此之高的不良还贷率，致使国家助学贷款的开展一度陷入困境，甚至于有些商业银行不愿意继续发放助学贷款。由于国家助学贷款的发放对象是尚未参加工作的在校大学生，他们没有工作、没有稳定的收入来源、没有信用记录、没有可抵押的个人资产，缺乏有效的还贷手段，而且就业之后，大学生流动性强，无法做到按时收取贷款本息，控制贷款风险。因此，建立合理的大学生贷款信用风险评估系统，有助于保障助学贷款政策健康发展。
一、评价指标体系的建立
层次分析法（Analytic Hierarchy Proce，简称AHP）是将一个复杂的决策问题分解成目标、准则、方案等层次的决策方法。AHP方法适用于衡量多定性变量的问题。本文选用层次分析法来研究大学生贷款风险信用评估模型，是由于大学生助学贷款影响因素大多是定性因素，无法得到一般的定量数据。
（一）风险评估指标的选择
本文在研究之时，通过专家调查法以及相关问卷的结合，确定了以下影响大学生还贷情况的主要指标：
1.学生自然情况
学生自然情况在一定时间段内无法有较大的改变，因此学生自然属性对学生的个人成长起的较为关键的因素。本文之中，学生自然属性主要包括学生学历，学生户籍以及身体状况。学生的学历决定了学生的受教育水平以及学生毕业之后的工作情况；学生户籍主要是能够影响学生工作的就业地区，毕业之后生计的问题；学生的身体状况是学生是否有能够后续还贷的最为关键的因素。因此本文认为学生自然情况是一个重要的评价标准。
2.学生在校情况
学生在校情况反映的是学生在学习、生活等各方面的情况，对于往后贷款还款的信用风险有很大的关系。本文从三个指标层对学生在校情况进行了划分，分别是综合成绩排名、消费情况和在校收入（勤工助学、奖学金等）。其中综合成绩排名在很大程度上决定着学生以后工作绩效的情况，也自然而然影响以后还款的能力；学生的消费情况影响以后能否按期还款和是否能够合理运用贷款；而学生在校期间的收入情况则反映了学生的还款能力。
3.学生道德水平
学生的道德水平与其能否按时归还助学贷款有着很大的联系，是学生信用水平的一个极为重要的评价指标。道德水平可以具体分成表彰或违纪、同学和老师评价、往期借贷情况这三个反面。其中表彰或违纪反映了学生对学校纪律的遵守程度，从侧面体现出学生的道德水平；学生周围的同学和老师是与学生朝夕相处的人，对学生的个人道德水平了解很深，所以通过同学与老师的评价我们可以从一定程度上对学生的道德水平进行评估；学生在生活中难免会向朋友借钱或是通过蚂蚁花呗、在线贷、众易贷等借贷平台进行小额借贷，这样学生早期的债务归还情况及目前的债务情况我们可以一并搜索到，这是学生是否有信用的重要信息，也是衡量学生道德水平的一大标准。
4.学生所处环境
在对大学生助学贷款进行风险评估时，还应该考虑学生所处环境，因为所处环境对学生的未来发展有较大影响，而学生的还款能力又取决于他们未来的发展。我们将学生所处环境细分为家庭情况、学校性质和专业情况这三个指标。学生个人的家庭情况会影响学生还贷的积极性；学校性质影响学生的就业情况，从而影响学生的还款能力；而通过专业情况可以预估学生今后的工作情况。通过这些指标可以对学生的还贷能力进行预测，从而更好地进行贷款风险评估。
在选取指标的时候，本文尽可能包含主观和客观的多个条件，使得最后评估能够较为准确地描述整??有关还贷的风险。在后文叙述之中，将详细阐述有关指标如何和实际数据相结合的，以及有关指标的权重分析。
具体情况如表1所示：
（二）指标权重的确立
在本文中采用了层次分析法，确定相关联因素权值，并进行矩阵的一致性检验。具体步骤如下：
1.建立递阶层次的结构模型
在应用层次分析法时，首先需要把问题进行层次化、明确化，产生一个有层次的结构模型。在此基础上，把确定的指标，按所属关系进行分类，形成若干层次，上一层对下一层有统治地位。本文将风险评估结果的确定分为3个层次：最上层为目标层，即信用风险评估结果；中间层为准则层；最后一层为子准则层。
通过比较确定准则层对目标的权重，以及比较确定子准则层中各指标对相应准则的权重，从而计算组合权重，得出子准则层中各指标对目标的权重。这些权重在人的思维过程中，往往是定性的，而在层次分析法中将 给出权重的定量方法。
2.构造成对比较矩阵
选取n位长期从事大学生助学贷款工作的专家，他们的评判能基本准确反映学生各因素对助学贷款风险的影响程度。专家们对B级评价因素进行两两比较，并在各B级评价因素下，对C级评价因素进行两两比较，即可构造各层次下的判断矩阵M=（mij）n×n，一般采用Saaty提出的1-9比率标度法。
假设要比较某一层n个因素C1，C2，……，Cn对上一层因素B的影响，每次取两个因素Ci和Cj，用mij表示Ci和Cj对B的影响之比，全部比较结果可用成对比较矩阵M=（mij）n×n，（mij>0，mij=）表示。
3.计算各指标的权重
对专家给出的判断矩阵M=（mij）n×n，按以下顺序计算各指标的权重值。
（1）特征根法
用对应于M最大特征根（记作λ）的特征向量（归一化后）作为权向量ω，即ω满足Mω=λω，
从而得出权向量ω。
（2）一致性检验
成对比较阵通常不是一致阵，但是为了能用它的对应于特征根λ的特征向量作为被比较因素的权向量，其不一致程度应在容许范围内。Saaty将CI=定义为一致性指标。Saaty又引入随机一致性指标RI，一致性比率CR，当CR=
4.确定方程
根据专家调查法，我们得到了如下成对比较矩阵：
按照专家给出的成对比较矩阵，借助Matlab程序，根据以上步骤可以计算出各指标的权重值如下：
在得到具体的权重以后，将各层权重值分别相加得出综合权重值。将各指标值与权重值相乘，累计可以得出综合评分值。
对于大学生助学贷款的风险评估问题，特别是当许多大学生数据无法得到具体通过数值确定的数据，AHP分析作为一个较为准确，有效的工具，取得了相对应的成果。本文通过这项研究确认在评判大学生还贷风险的问题之中，学生现有勤工俭学情况占有最为主要的影响因素，这与邓文卓[3]的研究结果是一样的。与此同时，学生的往期借贷情况也是一个非常重要的因素，这符合一般的想法，与现实一致。
二、学生信用度评价
为了评价一个学生是否具有贷款的资格，我们利用上述模型根据专家调查法和问卷调查法，结合学生的个人基本情况进行各指标的评分。
（一）学生自然情况
学历：不同的学历会带来不同的就业前景，因此把学历划分别为本科、硕士、博士，对应评分为
6、
7、8。
户籍情况：把户籍分为农村、三线城市、二线城市、一线城市，分别对应了不同的发展机遇，故分为
5、
6、
7、8。
健康状况：身体是衡量学生是否有能力继续还贷的一个重要标准，把身体情况分为有病史（未治愈）、有病史（治愈）、无病史（健康），对应评分为
3、
6、9。
（二）学生在校情况
综合成绩排名：学习成绩对于还款能力有一定的影响，本文用学生的绩点来进行打分，2.0以下、2.0～2.9、3.0～3.
9、4.0以上，对应评分为
1、
5、
7、9。
消费情况：按照月消费800元以下、800～1000元、1000～1200元、1200～1500元、1500元以上的区间段分为
9、
8、
6、
4、2。
收入（勤工俭学、奖学金等）：本文调查了大学生的收入情况，按照1000元以下、1000～2500元、2500～4000元、4000～5500元、5500元以上的区间段分为
4、
5、
6、
8、9，由于大学生的收入情况有所差距，所以对于还款情况也存在一定的差距，而相邻区间段的学生相差不会太大。
（三）学生道德水平
表彰或违纪：分为处分、违纪、正常、校级奖、省级奖5个层次，以处分为最低分1分，省级奖为最高分9，依次分为
1、
3、
5、
7、9。
同学或老师评价：根据语言模糊性，我们将同学或老师的评价分为极差、差、较差、一般、较好、好、极好，得分按
1、
3、
4、
6、
7、
8、9平均分布，符合实际应用性。
往期借贷情况：为了更准确地评价学生在借贷方面的信用情况，我们将借贷情况细致化，结合学生债务的潜在风险，共分为信誉良好、有借款（未到期）、往期不良记录、有借款（逾期未还），得分依次为
8、
6、
4、2。
（四）学生所处环境
家庭年收入：由于从银行角度来看，家庭年收入越高，还款能力越强，贷款风险更低，故将其划分为3类：20000以内、40000以内、50000以内，按1-9评分分别为
4、
5、6。
学校性质：由于学校性质影响就业情况，而就业情况影响还款能力，故分为大专、二本、普通一本、
211、985，按1-9评分分别为
1、
3、
5、
7、9。
专业情况：由于专业就业率越高，学生的就业前景越好，学生还款的可能性越大，贷款风险就越低，故将专业情况按就业率分为70%以下、70%-80%、80%-90%、90%-95%、95%以上，按1-9评分分别为
3、
5、
6、
7、
8、9。
我们根据学生的各项指标评分乘上所建立模型中的对应权重，最后求和，若所得总分大于等于6，说明信用水平较高，贷款风险较低，可予以借款。
三、实例分析
本文通过问卷及访谈的结果，经本人同意得到了某A同学的相关数据，将以此作为实例进行分析。
A同学是一所地方院校的数学师范本科学生，家住连云港内，没有往期病史，综合绩点为3.2，月消费为1100，没有收入。根据同学之间的评价为一般，没有表彰或违纪情况，借贷情况信誉良好，家庭收入50000以内。
通过计算可以知道是6.2138，可以予以借?J。
四、建议
根据本文调查研究的结果，希望学校能够帮助学生找到更多的勤工助学机会，给以大多数学生现实的岗位，加大学生的付出意识。在此基础之上，本文建议在学校之中建立相对应的信用监督机制，统计大学生在校的图书馆借阅情况。并且如果在校时有不良借贷情况，也可以通过借贷人情况上报记录档案。本文希望借此计划来提高学生的信用理念，减少还贷风险，增加大学生可以借贷的可能性。
[ 参 考 文 献 ]
[1] 邢彪，李雄平，段元媛.国家助学贷款中有关大学生诚信问题的探讨[J].当代经济，2016（20）：100-101.
[2] 姜启源，谢金星，叶俊.数学模型（第四版）[M].北京：高等教育出版社，2011：249-255.
[3] 邓文卓， 郭磊， 林新朗.基于层次分析法的国家助学贷款风险评估体系构建[J].中国集体经济， 2011（9）：106-107.
[4] 崔士冬.基于模糊综合评价法的国家助学贷款信用风险评估研究[D].中国海洋大学，2009.
[5] 侯艳茹.国家助学贷款现状及对策研究[D].华侨大学，2007.
[6] 陈淼.我国高等教育助学贷款政策实施的现状、问题及对策[J].新疆财经，2010（2）：58-60.
[7] 劳兆利.基于层次分析法与模糊综合评判法的集中运维点选择优化研究[D].上海交通大学，2007.
[责任编辑：林志恒]
