摘要

信贷市场是实体经济资金融通的重要支柱之一，完备的征信体系建设则是信贷市场持续健康发展的重要依托。伴随改革开放带来的中国经济腾飞，我国信贷市场增速迅猛，但相较于欧美发达国家，我国征信业发展滞后，特别是个人信贷端，拥有完备征信记录的消费者占人口比重低，在传统征信体系下，大量有借贷需求的消费者面临信贷约束。

互联网的迅速普及与金融科技的快速发展为构建更加完备的征信体系提供了有力条件。较之于传统征信信息，以借款人消费行为信息、社交网络信息等为核心的非传统征信信息虽然难以直接反映借款人的还款意愿与能力，但其发生频次更高，信息获取难度更低，且可能蕴含了差异于传统征信信息的其他信息含量，是对传统征信信息的有益补充，对以商业银行为代表的传统金融机构搭建更加成熟的个人信用风险评估体系具有重要意义。

本文依托银联个人信贷数据集，通过多种方法探讨了个人信贷数据集中消费行为信息的应用价值，主要研究结果有：

（1）本文通过主成分分析发现，银联个人信贷数据集中最具差异化，也即最重要的三大类特征依次为：传统征信信息中的持卡信息、消费行为信息及传统征信信息中的历史借贷信息。此外，聚类分析的结果表明，消费行为信息丰富的借款人在持卡信息及历史借贷信息匮乏的情况下，同样可能具有较好的还款意愿与还款能力。

（2）本文通过分析在考虑不同类别信息情况下8种经典机器学习模型的预测表现，得出以下结论：传统征信信息对于借款人还款表现的预测效果优于消费行为信息，但消费行为信息是对预测模型的有益补充，在综合考虑两类信息情况下，模型的预测表现最佳。此外，本文通过比较各类模型的预测效果发现，逻辑回归预测效果最突出，可能是最适合用于评估个人信用风险的机器学习模型。

（3）本文通过逻辑回归进行了实证研究，研究结果表明：消费行为信息中发生频次最高的互联网交易信息最值得贷款机构关注，且消费行为信息与传统征信信息所蕴含的信息含量并非完全重叠，二者呈现互补关系，将消费行为信息纳入个人信用风险评估模型中，是对传统征信信息的有益补充。

本文的主要创新点在于尝试通过主成分分析、机器学习及实证研究相结合的方式，定性、定量地分析消费行为信息在个人信用风险评估中的应用价值，对于商业银行构建更完备、高效的个人信用风险评估体系具有一定的借鉴意义。

关键词：个人信用风险，消费行为信息，主成分分析，机器学习，逻辑回归