民族地区互联网金融组合模型建构及实证研究

马 瑜

（对外经济贸易大学，北京，100029）

一、民族地区互联网金融发展现状及必要性分析

（一）民族地区互联网金融发展现状分析

随着民族地区互联网的普及，我国民族地区互联网金融不断发展的同时，也面临着一些问题。以下从我国民族地区互联网金融的需求和供给现状两个方面进行了分析阐述。

1.需求现状分析

我国少数民族聚居地以贫困山区为多，经济发展相对落后，主要以山体经济为主。民族地区民众的借贷模式正在从仅仅为了满足生活的需要，向既满足生活的需要又要满足生产的需要的方向转变。根据调查显示，我国民族地区用于农业生产的资金投入和民族地区人民的总体资金投入正逐年增加。一方面，虽然受到文化水平的限制，民族地区的民众对于互联网知识以及各种金融产品的认识较少，但是他们对于生产贷款的需求度较高。再加上民族地区大多以农业为主，受季节性的影响较大，因此其贷款也呈现出周期性的特点。另一方面，虽然民族地区的企业在经营过程中受到自然环境的影响，存在相对高的风险，但是这些企业的生产和经营通常需要较多的资金支持，因此贷款金额也较大。整体看来，互联网金融在我国民族地区的需求度比较高。

2.供给现状分析

我国少数民族呈现“大杂居小聚居”的居住特点，居住范围广，相对分散。对于国有性质的传统银行而言，需要较高的运营成本。因此，我国民族地区国有银行普遍具有网点少、产品种类少、分布较为分散的特点，不少银行对于贷款态度过于谨慎，这显然不能满足少数民族地区的金融市场需求。从互联网金融方面来看，我国民族地区的发展程度也远远落后于其他较为发达的地区。未来，互联网金融必将会在我国民族地区得到更好的发展，为民族地区民众提供更多的支持。

（二）民族地区互联网金融发展的必要性分析

1.发展互联网金融，是加快我国民族地区经济发展的内在要求。一方面，大力发展互联网金融，借助众筹和P2P等方式可以打破时间和空间的限制，将经济较为发达地区的社会资源和资金进行合理的调动，使其在民族地区的经济发展中发挥作用。另一方面，发展互联网金融，利用大数据的优势可以改变民族地区粗放的扶贫模式，运用大数据对少数民族地区的人群进行科学的调查分析，找到贫困的根源，总结其贫困的特点，从而制订合理有效的扶贫计划，帮助民族地区民众脱离贫困，促进民族地区的经济发展。

2.发展互联网金融，是推动民族地区实现普惠金融的需要。普惠金融最重要的一个目标就是克服金融排斥，让相对落后地区的贫困人群与其他地区一样享受平等的金融服务。目前，我国少数民族地区的银行网点个数远远不及其他经济较发达的地区，存在严重的地域歧视。发展互联网金融能够为少数民族地区的民众提供高效便捷的服务，既减少了他们出门办业务的麻烦，又在一定程度上降低了他们理财的门槛，为民族地区的民众带来极大的便利。除此之外，发展互联网金融还可以对民族地区的企业进行信用信息的收集和分析，从而建立有效的风控机制。

3.发展互联网金融，是民族地区金融机构改革的需要。目前，一方面我国民族地区的金融机构所开发的金融产品与民族地区产业的适应性较差，导致民众的融资需求难以得到满足。另一方面，现有的风险评估模型存在一定的不足，不能对民族地区的贷款企业进行精准的评估。这样就导致民族地区的金融机构只愿意贷款给资产较为雄厚的企业，而资产相对薄弱的中小型企业得到的资金支持较少。发展互联网金融势必会给传统金融机构带来一定的压力，不仅有助于促进民族地区的金融机构进行产品创新，而且有助于促进其改革信贷配给制度下的风险评估模型，使农村金融排斥问题得到有效的缓解。

二、民族地区互联网金融组合模型的建构步骤

面对我国民族地区特殊的文化环境，在互联网金融发展的同时，应该更加重视风险的控制。通过构建科学合理的互联网金融组合模型，并将其运用于互联网金融产品的开发和投资等方面，可以有效降低风险，实现投资组合的优化，获得更多收益。

（一）用户数据的获取

进行信用评估，首先要获得有效的用户数据，模型的规则很大程度上就是用户数据的规则。信息的纬度具有广泛性，既包含用户的基本信息，又包含用户的行为、信用、社交以及消费等方面的信息。相应的，获取信息的渠道也很多，除了经常使用的用户提交、爬虫和信息购买等，还包括接口用户授权以及黑白名单等。

（二）用户数据变量的确定

对收集得到的大量用户数据进行筛选，去掉无效的数据，对有效的用户数据进行变量计算权重的分配，从而确定变量和分配权重。通常，在进行用户信息收集之前，就应该将用户变量和各自的权重考虑好，因为需要事先确定好用户需要填写的信息，然后才能借助定义规则来确认这些信息的变量和各自的权重。这些用户变量和权重并不是哪个人可以随便确定的，他们一般是由企业的权威专家或专业团队来确认的。

（三）对指标分数进行调整并给出评分

在民族地区互联网金融组合模型建立的后期，需要将收集到的用户个人信息带入到模型中进行测试。之前只是针对每个指标建立了评分规则，然而对于市场来说，这些规则是否真正能够适用还是未知的。因此，必须要在模型建立的后期，进行规则的自我测试，通过反复测试，不断调整各指标的评分，从而尽可能地保证模型的准确性。

（四）产品上线，对模型进行验证

产品上线是对之前所建构的模型进行的终极检测，具有很大的风险性，也正因如此，许多金融产品在上线的初期并不会进行大规模的产品宣传和运营。这个时期金融产品可能会经历一些攻击者的进件攻击，一旦发生将面临对产品的下架处理，因此，在产品上线后一段时间内，要充分考虑到可能面临的危机，尽量降低风险，比如，可以通过活体检测过滤掉一些恶意欺诈人群。而对于民族地区的用户而言，日常的信用记录关系到自身的信用评分，当模型工作时，会根据既定的程序从个人的信用档案中调取数据进行运算，使用户信用评分产生高低变化，从而对个人的信贷资格和信贷额度产生影响。

三、基于风险控制的民族地区互联网金融组合模型的建构

于此本文通过分析网贷平台用户的个人信息、行为、消费等，探究与用户借贷利率之间的关系，并进行实证分析，从而有助于投资者实现投资组合的优化，合理做出投资决策。

（一）模型的设计和假设

首先，在对民族地区网络借贷平台上贷款人的行为特点，以及目前网络借贷平台交易特点研究分析的基础上，确定从借贷标的特点，借贷人的特征，之前的借贷行为，借贷人的信用等四个维度展开分析，并设计出理论模型。

第二，以借贷人的借贷成本为例列出实证分析的三条假设：

Q1：借贷的金额越小，借贷成本越低。

Q2：年龄越小的女性，借贷成本越低。

Q3：借贷人信用等级越高，借贷成本越低。

（二）数据的获取和处理

由于无法从网贷平台的后台获取基本数据，因此我们使用数据挖掘的方法，借助网络爬虫技术来获取我们想要的信息。由此，我们不仅可以得到用户的个人信息，用户的借入和借出信用得分、还可以获得详细的标的信息等等。最终经过长时间的数据记录和整理，我们共获得了超过六万条的信息。在对前期相关文献的研究基础上，依据所建立的理论模型的特点，结合网络信贷平台自身的特征，我们确定了将借贷人往期借贷记录和信用、借贷人信息、借贷标等变量作为指标，并对其进行数据处理和赋值，最后统一进行数据的解析，得到了详细的样本数据。

（三）对数据进行统计分析

通过软件进行数据统计和分析后发现，借贷人数中男性的人数明显多于女性。而对于受教育程度的统计发现，借贷者中拥有大专学历的人数最多，其次是拥有本科学历的人数，人数较少的是拥有研究生及以上学历的。从这一点可以看出，使用网络借贷平台的用户文化水平较高，这与民族地区互联网的普及程度密切相关。从对网贷用户的年龄统计分析结果中可以看出，大多数的用户年龄处于20-40岁之间，同时，40岁以上的用户人数占比较以往数据有所提升，这说明民族地区网贷用户以年轻人为主，老年人互联网普及程度有所提高。

通过对信贷标的数据进行统计分析发现，年利率超过20%的信贷标较多，信贷金额大多小于一万元，从一百元到五十万元不等。总的来说，网贷平台的特点是周期短、金额小，以年轻的用户为主，拥有较高的文化水平和借贷成功率。

为了使统计结果更加精准，防止某个单一因素的样本过多导致的结果偏差，我们对样本的多样性也进行了统计分析。在所有的借贷标样本中，成功标的数目占到了总体的82.3%，符合借贷平台官方发布的成功率数据。此外，在风险收益方面，样本也符合多样性的要求，主要集中在中风险收益区，高低风险收益区的标分布比较分散。

四、基于风险控制的民族地区互联网金融组合模型的实证研究

（一）影响因子指标体系

数据统计显示，民族地区网络借贷的借贷标年利率比较高，从对成功借贷标的数据分析可以看出，平均借贷年利率在18%左右，最高年利率能够达到24%，这远远高于传统银行的定期年利率。网络借贷具有一定的两面性，不仅给民族地区用户带来极大地便利，同时借贷成本也比较高。通过对借贷人借贷年利率的分析，可以得出借贷人所愿意付出的年利率的基本影响因素。首先，我们对数据进行处理，将数据按年龄段分为四个部分并分别对其进行从0-3的赋值。通过对于数据的统计和分析，排除对结果干扰性不大的因素，从而获得较为精准的借贷利率影响因素指标体系，如下表4.1所示：

（二）线性回归模型和方法

在对借贷标的成本进行分析时，考虑到其受到多个因素的作用，变量比较多，因此我们采用的是多元性回归模型来判定多个变量。其基本公式如公式4.1所示：

X 是解释变量，γ是影响系数，σ是常量。

表4.1 借贷成本影响因子指标体系

逐个分析变量对结果的影响程度，从而排除干扰，得到影响程度更大的变量，还要把获得的结果带入方程验证，剔除干扰因子。最后，重复将新变量因子带入方程的步骤，最终得到更加准确的结果。

（三）检测变量因子

继续对变量因子进行回归检测，对每个因子的各项参数进行记录和整理，我们可以获得多元线性逐步回归模型摘要。通过对摘要中变量因子和其各项参数的进一步分析，可以对影响民族地区网贷年利率的变量因子进行进一步排除，从而获得关联性更强的几个变量因子，它们分别是：借贷用户的年龄、性别、信用等级、借贷成功和失败次数，借贷周期，借出分数，购车情况，借贷金额。而后，通过对各解释变量之间的共线性检验，验证各变量因子的逐步回归结果的有效性。

（四）分析结果验证假设

通过对以上数据的分析，根据各解释变量对民族地区网贷用户年利率影响的正负相关性，主要得到以下两个方面的结论。

第一，正相关的因素。标的借贷周期越长，年利率越高。借贷标周期越长，投资人所承担的风险就越大，因此，投资者会进行较高的年利率约定。用户之前的成功贷款次数与网贷年利率成正相关。这点其实不难解释，成功贷款次数越多的用户，再进行下一次贷款时，上期贷款常常处于未还清状态。由此，投资者认为贷款次数多的用户还款压力也相对更大，所以，应当与该借贷人进行较高的年利率约定。

第二，负相关的因素。借贷用户的信用等级与借贷年利率成负相关。信用等级越高的用户，相对于信用等级低的用户要付出更大的违约成本，因此更受投资人的青睐，借贷年利率也就比较低。用户借出信用越高，投资人越愿意对其进行投资，因此借贷年利率就越小。借贷金额与借贷年利率成负相关，因为较大的借贷金额往往是多个投资人共同投资，年利率越大，借贷用户的还贷压力就越大，所以同样的借贷金额，投资人更倾向于给年利率低的标投资。其他与借贷成本成负相关的因素还有借贷用户的个人因素以及车辆的购买，比如：越年轻的女性用户其借贷利率相对更低；已购车的借贷人，通常会被认为具有更大的贷款偿还能力，因此其借贷成本也相对较低。

从各解释变量对民族地区网贷用户年利率影响的正负相关性分析中可以看出，结论支持最初Q2和Q3的假设，而不支持Q1假设。

五、结语

近年来我国民族地区的各项贷款总额呈现逐年增长的趋势，这在一定程度上标志着我国民族地区金融的发展取得了较大的进步。促进民族地区互联网金融的发展，鼓励通过多种渠道提供金融服务，大力支持少数民族地区金融机构和互联网金融平台的建设，这些对于促进我国民族地区的经济发展都具有重要意义。在进行民族地区互联网金融产品的设计开发，以及进行投资决策时，构建科学有效的互联网金融组合模型并进行合理的运用，能够帮助投资者降低投资风险，实现投资组合的优化，做出合理的投资决策，从而获得更多收益。