为研究大学生互联网消费信贷的影响因素及防范策略，以蚂蚁花呗为例，通过问卷调查获取相关风险数据，运用二元Logistic回归模型进行实证分析。研究发现：每月收入、花呗额度、其他平台使用情况、分期利率是大学生使用花呗平台进行消费信贷产生风险的主要决定因素。因此，平台要想防控风险，需要加强贷前审核力度，严格贷后监督，特别要针对大学生群体的特征，进行特殊的风险监控方法，从而减少平台被违约的风险。
关键词：蚂蚁花呗;大学生;信贷消费;二元Logistic回归
一、引言
根据《2018年大学生消费洞察报告》披露的数据，大学生年度消费规模已达3815.68亿元，2017年高校在校生数量达到三千多万人，年度日常可支配金额达千亿规模，大学生的消费信贷潜力非常大。研究发现，出于互联网的安全性、按期还款能力等的考虑，大部分大学生都会选择采用互联网消费信贷(王红谕，2017)[1]。据洞察报告显示，大学生使用线上支付的比例达96.8%，在利率相同的情况下，53.1%大学生优先考虑蚂蚁花呗和京东白条作为透支方式;陈思佳(2013)[2]的研究发现大学生使用最多的平台是蚂蚁花呗。研究还发现同龄人在互连网消费信贷决策行为上表现的作用更显著，有45.3%的大学生会向亲友推荐好用的品牌。但受同伴的影响，个人信贷消费额度会过度放大，并且可能因此陷入不良信贷危机(郭朝阳，2009;苗淑娟、李萍萍、徐颖，2016)[3]。互联网消费信贷风险的产生也与供方风险控制能力相关。研究发现，“蚂蚁花呗”目前依托大数据开展的审核越来越放松，由于在信贷实操层面的经验不足，平台对风险的控制能力弱于银行信用卡(李茁宁，2017)[4]。但是，在信用卡使用方面，蚂蚁花呗的用户有60%没有使用过(王雷，2014)[5]。大学生具有较强的超前消费意识，是互联网消费信贷的主力军，对于信贷平台而言，消费市场增长潜力大部分来自于大学生。但是，大学生是具有易冲动消费、过度消费特点的特殊消费群体，且没有稳定的收入来源作为还款保障，如果平台一味地追求经济利益，没有做好“贷前评估，贷后追踪”，大学生消费信贷风险一旦发生，既会影响大学生的财产安全和信用记录，也会给平台带来损失。针对大学生消费信贷风险问题，现有研究更多的是从大学生这一信贷需求端出发研究如何防控风险，但对以互联网信贷平台为代表的供方防控体系研究涉及不多，本文以“蚂蚁花呗”为例，分析大学生互联网消费信贷风险的决定因素，从信贷供方的角度识别风险的影响因素并提出防范和化解风险的策略建议。
二、“蚂蚁花呗”面临的主要风险问题
(一)客户信用评价不严谨
对于平台自身而言，信用风险是平台目前所面临的主要风险。平台的信用评级工作完全由独立于第三方的评级机构操作，这也是它控制信用风险的特殊之处。平台是由客户的芝麻信用分数来判断给予客户发放多少额度，而芝麻信用是由管理机构评估，该机构不仅拥有强大的大数据技术、云计算数据以及建模能力，而且还通过线上的消费数据、整合历史的消费记录来划分不同的等级，进而判断发放多少额度。但是，作为评估依据的数据是不全面的。数据仅仅是线上的数据，缺少线下数据，并且仅仅只有该平台数据，其他平台上的交易数据不能得到。这就使其不能全方位地对客户进行评估判断。尤其对于大学生这类特殊群体，没有独立的现金流来偿还债务，如果不能做好贷前的审慎评估，就可能产生违约事件，而大范围的违约则会产生大量坏账，在资金周转问题上，平台可能会面临巨大困难。
(二)坏账追回成本高
大学生个人贷款的数额相对较少，而对于这些欠款数额较低的客户，如果选择进行追回，其追回成本相对是比较高的。并且它的成本往往大于其欠款数额。如果从效益最大化的角度来看，对于大学生这小部分的欠款是不应该追回的。但是，一部分资金流失是由这些众多小额贷款集合造成，这样就可能造成恶性循环，加大公司的资金成本。因此对大学生这类数额较少的借贷，如何把握好贷后跟踪监管以及违约处理问题，花呗平台面临着两难。
三、风险分布及决定因素的实证分析
(一)样本选择与调查
为获取大学生使用“蚂蚁花呗”平台进行消费信贷的风险信息，本文采用调查问卷的方式，在2019年2月到2019年3月选取了武汉部分高校的学生进行调查，其中包含的高校包括：专科、普通本科、以及211/985高校。为了保证数据的有效性，在三种类型高校中选择相当的数量。总共收回问卷185份，剔除无效问卷1份，总共收回有效问卷184份，所获数据总体情况如表1所示。
(二)风险影响因素的相关性分析
1.影响因素的选取(1)每月收入。每月收入包含3类：大学生的生活费、兼职以及奖学金。而大学生每月还款的能力主要来源于这些收入，这无疑是大学生能否按时还款的因素之一，也是“花呗”平台控制额度发放的重要因素之一。(2)平台分期利率。分期的期数和费率分为3种：第一种是3期，第二种是6期，第三种是12期，费率分别是2.5%、4.5%、8.8%。花呗分期利率也是风险存在一个很重要的因素，大学生能否接受每月的分期利率，对于他们是否会选择分期来缓解每月的还贷压力，以及能否承担每月分期利息至关重要。(3)花呗额度。花呗额度也是“花呗”平台可能存在风险的重要因素之一。作为“蚂蚁”平台，“花呗”业务的开通主要是为了赚取利润，平台通过视频以及学籍、身份证认证等方法来确保真实信息，并根据其消费信息等大数据统计提升额度。大学生虽然是一个重要消费群体，但是大学生拥有过多的“花呗”额度也可能提高大学生在信贷消费中出现违约问题的可能性。(4)其他平台使用情况。近几年，各平台推出了“京东白条”“借呗”等借贷业务。各种平台都针对大学生开启了小额贷款服务，如果大学生同时使用多种平台进行借贷，那么就会产生多重还贷压力，这对于花呗平台来说也是一种不可忽视的风险因素。2.相关性分析根据前述理论分析，将每月收入、平台分期利率、花呗额度、是否同时使用其他平台这4个变量分别与是否按时还款这一变量进行相关性分析，分析结果如表2所示。从表2可以看出，每月收入、分期利率、花呗额度、是否同时使用其他借贷平台与能否按时还花呗之间的皮尔逊相关系数分别为0.729、-0.464、-0.640、-0.505，即|r|分别为0.729、0.464、0.640、0.505。另外，每两者之间不相关的双侧检验值为0.000，表中的双星号标记的相关系数是在显著性水平为0.01以下，认为标记的相关系数是显著的，验证了每两者显著相关的关系。其中每月收入与是否能按时还花呗之间的相关度较强。而分期利率、花呗额度也具有一定的相关性，但是相关性相对较弱。可以得出影响平台风险因素的大小为：分期利率<花呗额度<其他借贷平台<每月收入。
(三)模型构建
本文的分析目的就是要对“蚂蚁花呗”平台主要存在的风险进行识别并分析其影响因素，本文主要是对“风险识别”里的风险源以及风险原因进行评估，对风险因素的影响程度进行量化评价。根据相关性分析的结果，本文因变量Y是由大学生使用“蚂蚁花呗”后“能否按时还款”来界定，采用二元Logistic回归模型，并用该模型对数据进行分析，建立二项式分布，其中二项式分布的取值为0和1，其中Y服从该分布，对应的条件分别为“不使用花呗”和“使用花呗”。自变量有8个，分别为：性别(x1)、学历(x2)、每月花呗额度(x3)、每月收入(x4)、分期利率接受度(x5)、其他平台使用情况(x6)、花呗额度是否够用(x7)、还款压力大小(x8)，以上述变量为基础，构建二元Logistic回归模型如下：其中a0是常数项，ak是各指标所对应的回归系数，e为常数项，P是数值并且在0~1之间。
(四)分析结果
全部的自变量和因变量分别进入方程后，最终拟合优度R2为0.677，说明自变量X可以解释因变量Y的67.7%的变化原因，拟合优度良好。具体如表3。表4反映了模型的预测准确性指标，模型对可能按时还花呗和不能按时还花呗中人群预测命中率都极高，“不能的”到了97.2%，“能的”达到了94.8%，综合的预测准确度也达到了96.2%，表明其预测精确度很好。由于在本次问卷调查中能按时还款和不能按时还款的比重相当，使得两者预测值比较合理，最终结果的精确度也很好。具体如表4所示。为了对整体回归是否显著进行检验须先进行Wald检验。最后被选中的变量是：每月收入(x3)、分期利率接受度(x4)、其他借贷平台使用情况(x5)、花呗额度是否够用(x6)、还款压力大小(x7)，拟合优度较好。该模型说明，大学生使用“花呗”平台存在风险的影响因素中，每月收入(x3)、分期利率接受度(x4)、其他借贷平台使用情况(x5)、花呗额度是否够用(x6)、还款压力大小(x7)5个因素对因变量有显著影响。
(五)主要结论
(1)每月收入：在本次问卷调查中，设计了4类收入。结果表明：每月收入越多，越会按时进行每月“花呗”平台还款，不能按时还款的可能性就越小，反之，可能性就越大。高收入大学生群体比低收入大学生群体违约风险要低。(2)分期利率接受度：在本次利率接受度方面采取了两种选择：是或否。结果表明：越能接受分期利率的学生，越能按时还款。反之，越不能接受分期利率的学生，越不能按时还款。意味着每月分期利率的多少在一定上能决定学生会不会选择进行分期，能否承担每月的利息，是否会缓解每月还贷压力。(3)其他借贷平台使用情况：在本次平台使用情况下设计了两种选择：同时使用其他平台和只用“蚂蚁花呗”。研究结果表明：同时使用其他平台的学生，不能按时还款违约的风险大，只使用“花呗”平台的学生，违约的风险压力就相对要小。(4)花呗额度是否够用：本次问卷调查中，设计了够用和不够用两个选项。研究的结果表明：认为花呗额度够用的学生，每月更能按时进行还款，违约风险相对就小。反之，那些认为花呗额度不够用的学生，更有可能不按时还款，违约风险相对就大。因此，平台对大学生花呗额度的发放也是一个大学生“花呗”平台使用风险的影响因素之一。(5)还款压力大小：每月还款压力也是能否还款的重要因素之一，研究结果表明：每月还款压力大的学生，不能按时还款。反之，那些每月还款压力小的学生，能按时还款，违约风险相对也小。可见，在本次研究中大学生使用“花呗”平台违约的行为与性别、学历等因素没有直接关系，而每月收入、分期利率接受度、其他借贷平台使用情况、花呗额度是否够用、还款压力大小为主要风险源，与平台违约风险有着关联性。因此，在控制风险的问题上，要重点关注这些方面的因素。
四、“蚂蚁花呗”平台防控大学生借贷风险的策略建议
1.平台要加强对大学生提前消费的教育从“花呗”平台的数据来看，年轻人依旧是平台上主要信贷消费者，他们有着强烈的消费需求和超前消费观，因此“花呗”平台的核心用户群体是这类年轻群体，虽然平台认识到了这类消费群体，却并没有充分认识到潜在化的风险。这类群体中对于风险的大小并不能很好把握，平台一方面可以在平台主页进行相关赊账消费理念的隐患以及消费信贷存在风险的知识宣传，在法律规范下，还可以通过与大学生学信网等三方数据机构进行交互合作，从多方面多角度对大学生群体进行信贷风险相关知识教育，也可以与高校合作的方式进行一些针对性的信贷知识的宣传。另一方面，在“花呗”平台上，可能出现风险时，在平台界面给予标志性的提醒和警告，并详细解释此隐患带来的结果。2.合理审批并动态调整额度而对于大学生这类特殊群体，平台不仅根据消费行为，还结合了包括学信网等多方数据进行综合评估来确定其发放额度。但是，是否提升借款额度完全由大数据系统进行判断，基本上是没有任何人为的操作，机器运作的固定化的限制难免会造成实际审核和额度提升流程中存在一定的不合理性。大学生作为网购主要消费者，也是“花呗”平台主要盈利的客户群体，平台会通过额度的提升和临时额度的发放来刺激大学生消费。但是，潜在的风险无法预知。因此，“花呗”应该严格进行审批，还要对大学生进行合理科学的信贷额度的动态调整，建立一个完整的多维度的动态额度调整机制。3.加强“花呗”后期放贷监督放贷后的监管要从日常管理、大数据管理及清偿管理这三个方面入手。首先要对客户信息进行多角度、多方面整合。其次根据现有的大数据管理能力，可以保持现有的风险指标并通过该指标添加额外的指标作为辅助来为贷后监管提供更多的信息跟踪功能，根据实名认证以及学信网的真实信息，对大学生进行特殊管理。最后，设定专项特殊利率，能够在一定程度上减轻大学生还贷压力，同时要及时对贷后实施跟踪监督，遇到风险信息及时给予警告。
参考文献：
[1]雷燕君.基于UTAUT的大学生校园信贷使用意愿影响因素分析[D].成都：西南交通大学，2018.
[2]刘心怡，刘敏.互联网信贷对大学生消费影响的实证研究———以北京地区为例[J].中国市场,2018(3):49-50.
[3]王红谕.互联网消费信贷对大学生消费影响研究[D].北京：北京外国语大学，2017.
[4]陈思佳.广州市大学生互联网消费金融市场调研报告[D].广州：广东财经大学，2015.
[5]蒋敏.大学生网络分期贷款消费行为调查研究——以武汉市高校为例[D].武汉：武汉工程大学，2017.
《大学生互联网消费信贷风险防范策略》来源：《河北金融》，作者：杨筱溪 段丁强
