论文部分内容阅读
近年来,在党和国家的正确引导和政策扶持下,我国的“三农”问题日益缓解,在扶贫攻坚的道路上,我们取得了巨大的成绩。农村信用社作为金融扶贫的主力军,是农民金融服务的重要提供者。目前农村信用社针对农民的金融产品主要有三种:小额农贷、再贷款、金融债。
小额农贷是最早开始的,也是累计发放贷款最多的产品。小额农贷主要是针对农户发放5万元以下的信用贷款,其初衷就是为贫困农民提供资金帮助,帮助他们摆脱困境,利用贷款重新开始生产、经营小企业或改善生活等。小额农贷的申请手续比较简单,农户只需提供个人信息,如收入、住宿、婚姻状况、健康状况、保险、职业等,信贷员再将收集到的农户信息录入信用评级系统,通过预设的信用评级模型,得到一个信用评分,作为农户贷款的授信额度及贷款利率的评价标准。
作为我国“贫中之贫”的三州地区(甘阿凉地区),由于自然条件恶劣、基础设施差、信息闭塞、历史原因等客观因素影响,多年来都是扶贫攻坚道路上的重中之重。以C农信为例,截至2019年6月,三州地区小额农贷借款总金额约为39.9亿元,为当地农户提供了有效的金融扶持,一定程度上满足了三州农户资金需要,缓解了“三农问题”。但是,根据2019年上半年数据显示,三州地区小额农贷的逾期率远远高于全省平均水平,很多农户思想上就认为小额农贷是救济款,可还可不还,在扶贫工作取得巨大成效的同时,也增加了银行的风险。
为降低C农信小额农贷的信贷风险,压降逾期率,本文通过研究甘阿凉三州地区农户的小额农贷信用评级特征和逾期还款数据,采用SPSS工具构建四种算法模型,将特征属性(如年龄、收入状况、贷款用途、货币性资产等)作为自变量,对小额农贷的逾期率进行预测分析。一方面帮助C农信优化和改善现有的信用评级模型;另一方面帮助C农信缩小贫困地区与全省的逾期率差距,降低信贷管理风险,在扶持贫困人口脱贫的同时,减少经济损失。结果表明,本文构建的算法模型对贫困地区小额农贷逾期情况具有较高的预测准确率,可以为后续信用评级和信贷管理提供技术支撑。
小额农贷是最早开始的,也是累计发放贷款最多的产品。小额农贷主要是针对农户发放5万元以下的信用贷款,其初衷就是为贫困农民提供资金帮助,帮助他们摆脱困境,利用贷款重新开始生产、经营小企业或改善生活等。小额农贷的申请手续比较简单,农户只需提供个人信息,如收入、住宿、婚姻状况、健康状况、保险、职业等,信贷员再将收集到的农户信息录入信用评级系统,通过预设的信用评级模型,得到一个信用评分,作为农户贷款的授信额度及贷款利率的评价标准。
作为我国“贫中之贫”的三州地区(甘阿凉地区),由于自然条件恶劣、基础设施差、信息闭塞、历史原因等客观因素影响,多年来都是扶贫攻坚道路上的重中之重。以C农信为例,截至2019年6月,三州地区小额农贷借款总金额约为39.9亿元,为当地农户提供了有效的金融扶持,一定程度上满足了三州农户资金需要,缓解了“三农问题”。但是,根据2019年上半年数据显示,三州地区小额农贷的逾期率远远高于全省平均水平,很多农户思想上就认为小额农贷是救济款,可还可不还,在扶贫工作取得巨大成效的同时,也增加了银行的风险。
为降低C农信小额农贷的信贷风险,压降逾期率,本文通过研究甘阿凉三州地区农户的小额农贷信用评级特征和逾期还款数据,采用SPSS工具构建四种算法模型,将特征属性(如年龄、收入状况、贷款用途、货币性资产等)作为自变量,对小额农贷的逾期率进行预测分析。一方面帮助C农信优化和改善现有的信用评级模型;另一方面帮助C农信缩小贫困地区与全省的逾期率差距,降低信贷管理风险,在扶持贫困人口脱贫的同时,减少经济损失。结果表明,本文构建的算法模型对贫困地区小额农贷逾期情况具有较高的预测准确率,可以为后续信用评级和信贷管理提供技术支撑。