信托公司开展互联网借贷项目的风险管理实证探讨——以A信

本文是一篇项目管理论文，本文主要以A信托为例，用实证的方法研究了信托公司开展互联网借贷的风险管理。首先，文章通过对国内外相关文献的研究，结合信托公司开展互联网借贷项目的现状，利用数据分析的方法对A信托公司287994条客户数据进行描述统计，发现样本中借款人以来自全国各地年轻男性为主，有着短期、小额的临时资金需求。
1 绪论
1.1研究背景
全世界已经进入数字经济的时代。联合国2021年召开的全球贸发会议报告中提到，数字数据已经成为了一类新的战略和经济资源，在全球贸易和发展中扮演着愈发关键的角色，而且在2019年末新型冠状病毒的大流行以来，数字数据的重要性得到了更进一步的加强1。世界各国都非常重视数字数据，在利用数字数据的国家中，中美两国从规模和经济效益方面均处于国际领先地位，在超大规模数据中心方面，美国和中国合计占全球1/2，中美两国还占全球顶尖人工智能研究人才的七成比例，占人工智能创业公司资金超九成，两国的互联网公司和运营数字数据的企业市值也占全球约九成。

项目管理论文怎么写

中国近年来正在大力建设数字中国，大数据建设战略已经上升到国家层面。信通院发布的白皮书中提到，我国数字经济增加值在2020年占GDP比例约38.6%，增加值规模达到了39.2万亿元2，数字经济已在我国的经济、社会、人文、自然各领域纵深交融，并有望长足发展。国家统计局发布的《2020年国民经济和社会发展统计公报》中指出，2020年末我国手机网民人数已达9.86亿人3，伴随着智能手机和移动互联网的普及，数字经济开始向人民群众普及和渗透，并以多样化的方式推动经济转型和更高质量的发展。
金融发展是经济发展的内生需求，以互联网、信息、数据为特征的互联网金融快速兴起和发展，互联网金融在云计算、搜索引擎等互联网技术的基础之上，实现了资金在实体经济以及人与人之间的高效整合和利用，成为了一种新型且便捷的金融服务实体经济的模式。在此背景下，出现了互联网借贷、互联网支付等多种互联网金融模式，这些模式也极大的拓展了金融服务的边界、提高了金融运行的效率，降低了金融交易的成本。
............................
1.2研究意义与创新
1.2.1理论意义和现实意义
理论意义方面，“项目”是在限定的资源及限定的时间内需完成的一次性任务1。信托项目完美的符合这一定义，即：一方面，每个独立的信托项目均有成立日期和终止日期，具备“一次性”的属性，另一方面，此类业务的每一个项目之间交易条件、风控措施乃至后期管理上均有所不同，具备“非标准化”的属性。风险管理是项目管理“九大知识领域”中极为重要的一环，在互联网借贷项目风控审批环节中，需要对项目的风险进行识别并设置相应的风险控制措施，在互联网借贷项目的实施期管理中，也应及时就项目运行过程中暴露出来的风险点及时做出调整，修改项目准入条件，以达到“受人之托、代人理财”这一项目开展的终极目的。
而文章的现实意义总结有以下四点：
第一，“互联网+信托”繁荣发展的同时，风险也随之而来：一方面，高达5%+的不良率和不良贷款规模亟需有效的控制，针对这类贷款客户的贷前准入审核风险管理研究显得日益重要，另一方面，互联网平台倡导效率至上、客户体验至上，金融机构传统的人工审核发放贷款的模式难以匹配互联网上巨量的贷款申请需求，所以，借助互联网的大数据技术来提升数据运算效率、解决人工审核瓶颈、提高客户识别精度、降低贷款信用风险变得至关重要。
第二，不同于信托公司以往服务的大中型企业、房地产企业和国有建设类企业，互联网借贷市场的借款主体主要是全国各地的自然人借款人，信托公司初期面对这一市场时缺乏较为专业的认识，导致与互联网巨头旗下的各助贷机构谈判时处于相对被动的地位。对信托公司已开展的互联网借贷项目的历史数据进行全面分析研究，尤其是对各因素如何影响违约率的研究，有助于信托公司提升对互联网借贷项目的认识，为信托公司开展互联网借贷项目的有效风控、稳健发展提供参考。
............................
2 文献综述
2.1相关概念综述
互联网借贷具有“互联网+借贷”两大属性，是传统金融与互联网结合的产品之一。2020年11月2日人民银行和银保监会联合发布的《网络小额贷款业务管理暂行办法》中，对互联网借贷业务进行了定义，即利用互联网技术合法积累的数据信息，分析借款人风险，线上完成借款审批和回收的小额贷款业务[5]。
在我国，信托公司是指依照《中华人民共和国公司法》和《信托公司管理办法》规定设立、主要开展信托项目的金融机构。信托公司营业范围中具备发放贷款资格和经营资金信托资格，可以根据相关政策法规合法发放贷款。 根据上述定义，信托公司开展互联网借贷项目，即是指信托公司按委托人的意愿或为受益人的利益，通过大数据、云计算等技术手段，运用过往项目开展过程中通过互联网平台积累的合法客户信息以及数据信息，通过互联网向申请贷款的借款人进行贷款审批、贷款发放、贷款回收的一种项目模式。
推而广之，信托公司开展互联网借贷的风险管理，即：信托公司就借款申请人的个人资信、放款金额、还款意愿等进行贷款前评估和贷款后追踪，从而实现三重目的：第一，避免向还款意愿较低、违约可能性较高的借款申请人发放贷款；第二，积累已违约借款人的信息，避免对违约客户再一次审批放款，并做好此类客户的贷后还款跟踪工作，尽可能回收已发放的贷款；第三，分析已违约借款人的个人信息数据，用项目管理中风险管理的思维方式，改进贷款审核和审批系统，对具有相同特征的其他借款申请人进行贷款额度限制或者拒贷，进而实现信托项目“受人之托、代人理财”的最终目的。
..............................
2.2信托公司开展互联网借贷的风险成因的综述
对互联网借贷风险成因的研究，国内外学者已有诸多论述，其中主要的风险成因研究方向有：一是信息不对称问题的研究；二是借款人特征的研究，还根据借款人特征研究衍生出了信用风险评级这一细分领域，下面主要就这两大方面和第三个衍生角度进行国内外研究成果的综述。
2.2.1信息不对称问题的国内外研究现状
上世纪70年代，三位美国经济学家Joseph E.Stiglitz、Gcorge A.Akcrlof和Andrew Michacl Spence提出了信息不对称理论，信息不对称理论在信贷领域的研究认为，信贷风险主要产生于信息不对称，负责审批和发放贷款的金融机构机构难以充分获取贷款申请人的全部信用信息，进而导致逾期或违约；而Pascal L. Ghazalian提出，传统金融机构在发放贷款的过程中实时监控道德风险，非常重视违约风险，并通过互保来降低道德风险，因而在互联网金融背景下也可以部分参照传统业务的风控模式[11]。Sidney Tsang等人在研究基础上，针对存在欺诈行为的专家系统上，提出了决策树和神经网络的研究方法[12]。
国内方面，人行与金融研究所组成的联合课题组指出，互联网信贷风险高发的原因在于缺乏征信信息来衡量借款人的违约概率，认为互联网信贷本质上是利用互联网促进信贷交易和消除信息不对称[13]；龚丹丹指出，信用风险具有传染性，如果管理不善，该行业的风险可能很高，关键是需要建立和完善个人征信系统，依靠互联网的大数据技术提供具体的指导，可以帮助改善信用报告系统和信用评估[14]；王文革认为在互联网借贷平台倒闭潮中逆势壮大的蚂蚁金服、京东数科等互联网金融龙头企业，其之所以能够控制较低的不良率，核心在于其金融业务服务的对象与第三方支付业务、综合零售基本重叠，平台用已经成熟的互联网生态识别筛选客户、累积用户特征，服务于客户的信用风险评估和贷款发放，因此蚂蚁金服、京东数科等平台们才能在解决项目起步时征信信息匮乏问题的同时，牢牢把控用户风险[15]。
..............................
3信托公司开展互联网借贷项目现状与机器学习技术原理 .............. 16
3.1信托公司开展互联网借贷项目现状 ............................ 16
3.1.1互联网借贷市场发展现状 ................................ 16
3.1.2信托行业开展互联网借贷项目的发展历程 .................. 18
4 数据处理与变量描述统计 ........................... 25
4.1 A信托公司开展互联网借贷项目的情况介绍 .................... 25
4.2数据来源 ................................. 27
4.3数据处理 ............................ 28
5 模型检验 .............................. 40
5.1模型稳定性判别 ............................ 40
5.1.1混淆矩阵 ........................... 40
5.1.2 ROC ..................... 41
5 模型检验
5.1模型稳定性判别
要验证模型的准确性，首先要对模型的稳定性进行判别，本文主要采取混淆矩阵和ROC曲线的判别方法来对模型进行验证。
5.1.1混淆矩阵
混淆矩阵能够比较全面的反映模型的性能。对样本进行准确预测的样本个数与样本总数相除，得出的值就是样本分类中的模型准确率，我们把混淆矩阵引入到模型评价之中以便对模型具有的实际效果进行更为精确的度量。
我们对样本中违约的客户称之为“违约客户”，对没有违约的客户称之为“普通客户”，那么：
本身为“违约客户”，模型得出为“违约客户”，记为TN；
本身为“普通客户”，模型得出为“普通客户”，记为TP；
本身为“违约客户”，模型得出为“普通客户”，记为FP；
本身为“普通客户”，模型得出为“违约客户”，记为FN；
将以上四个指标带入二维矩阵之中，则可得到“混淆矩阵”，如下表5-1：

项目管理论文参考

.........................................
6 总结与展望
6.1研究结论
本文主要以A信托为例，用实证的方法研究了信托公司开展互联网借贷的风险管理。首先，文章通过对国内外相关文献的研究，结合信托公司开展互联网借贷项目的现状，利用数据分析的方法对A信托公司287994条客户数据进行描述统计，发现样本中借款人以来自全国各地年轻男性为主，有着短期、小额的临时资金需求。选取“借款人是否违约”作为因变量，选取客户的基本信息（性别、年龄、出生地）和贷款信息（贷款金额、综合利率、分期数、下单时间）共7个维度作为自变量进行描述分析，并采用互联网金融最常用的3种机器学习模型（随机森林、逻辑回归、贝叶斯）对违约风险及逾期识别率进行比较，总结出了如下结论：
（一）差异化准贷政策
研究显示，A信托开展互联网借贷项目的优质客户符合“年龄18-25岁之间、利率15-18%、借款期限1-3个月，在18-24点申请借款”的这部分客户，而违约风险最高的客户是“年龄30-40岁，利率19%以上，借款期限选择最短1周或最长6个月，在凌晨到早上6点申请借款”这部分人群。性别、出生地、借款金额、都不是客户违约的主要影响因素。因此，在定制风险控制措施和受理借款人的借款申请时，应重点关注风险较高的这部分客户群体，如果同时满足年龄30-40岁，利率19%以上，借款期限选择最短1周或最长6个月，在凌晨到早上6点申请借款这几个要素，则应减少审批额度或拒贷，从而降低客户违约风险。
（二）合理避免人工审核资料
互联网借贷与传统金融机构借贷相比最大的差别在于审批效率，A信托同样如此。对于互联网借贷审批而言，由于其申请总量大、单笔金额低，期限通常较短等特点，如采用传统金融机构的人工审核模式将难以在成本效益上完全覆盖申请人群。所以信托公司应更快构建以机器学习为理论支持的全自动在线审批流程，避免对申请信息中的资料进行人工复核，如避免让客户提供工作证明、收入证明、房产证明、学历证明等第三方证明文件，一方面可以提高审批效率，另一方面也可以提升客户体验。
参考文献（略）