P2P贷款质量分析：拖欠行为与违约率无必然联系

　　在p2p借贷中，投资者可以利用多种征信数据对其投资战略进行评估。征信机构收集的行为数据种类繁多，比如历史拖欠行为。所谓“拖欠行为”是指未能按时履行最低还款义务的行为。何时向征信机构上报拖欠记录由各个贷款机构自己的内部协议决定。一些贷款机构仅在借款人发生至少两次拖欠行为时才会向征信机构上报一次拖欠记录，其他的贷款机构则是发现一次上报一次。因此，不能将所有拖欠行为同等对待。有些拖欠行为仅是拖沓支付行为，而非借款人资金困难。Prosper公司的数据总结了过去七年中全部拖欠账户的历史拖欠变量。

 

　　要了解这一变量的可预测性，我们可以先来看一下2012年Prosper公司发放的贷款情况。我们按贷款信用等级表示下列分布情况，其中一些贷款有拖欠行为，另外一些无拖欠行为。正如所预期的那样，信用风险等级越高，曾经发生拖欠贷款行为的比例也就越高。2012年，共有30%的借款人发生至少一次历史拖欠行为。从该术语的广义角度考虑，这一结果并不出人意料。况且七年时间很长，不排除在此期间借款人经济状况发生巨大变化的可能。

 

　　接下来的问题是,有拖欠行为相对无拖欠行为是否改变了总量。下面的柱形图显示了这两组之间在违约率（鉴于2012年的贷款尚未全部到期，我们所收集的是至少发生过一次逾期支付的违约行为）上的细微差别。

 

　　按信用等级分布的拖欠记录也可以看到同样的细微差别模型，尽管我们看到，风险等级越高，两组间的差异越不明显，甚至出现拖欠行为减少的可能。

 

　　到目前为止，我们将每一次拖欠记录集中在一起来看这些账户。许多借款人都可能有一到两次拖欠记录，如果不只是少数几次拖欠记录，该变量才可能用来预测未来的违约行为。

 

　　此处，我们使用征信机构局提供的拖欠记录次数来表示2012年Prosper公司借款人的违约率。该柱形图最右侧的柱形条是具有20次以上（含20次）拖欠记录的所有账户，其违约率普遍相似，而且随着拖欠次数的增加，违约情况并未恶化。确切地说，有三次拖欠记录的借款人违约率最高。这一数字极其随意，不大可能代表未来的某种可重复发生模型。从这个角度看，信用分析有时可能就不能简单地用数理分析。详细审查战略中的所有信息，从而确保所见到的模型是真实模型，并且在未来具有可靠性，这些才是重点。至于历史拖欠行为，并不能预测一般类型的违约行为，其中的影响因素有很多：比如拖欠行为的一般特性，进行评估的七年期限，以及进行信用筛查的贷款平台各异。