论文部分内容阅读
一、引言
国家助学贷款计划是我国通过金融手段支持教育发展的一项新的尝试性举措，其金额大、办理手续相对复杂、涉及主体较多，在缓解贫困大学生的就学资金压力方面起到了一定的积极作用，但助学贷款一度出现了高违约率现象，情况令人堪忧。
2006年教育部在助学贷款的相关会议上指出，“大学生助学贷款违约率28.4%，欠费高达数亿元”。2010年，齐鲁晚报报道“2007-2008年，国家开发银行广东分行共为该省高校发放了三批贷款，但违约合同数占总还息合同数的13.59%。全省利息违约比例高于10.9%的高校有43所，这也意味着有近一半的高校违约率触到了风险底线。”根据中国银行北京分行某支行给出的数据显示，北京市部分重点高校，2012年国家助学贷款的违约率均超过10%，甚至部分已经超过15%。
商业银行开展国家助学贷款业务面对的贷款对象是大学生，其贷款形式采用无担保的信用贷款，贷款的风险性较大。因此本文尝试用AHP层次分析法对大学生信用风险进行量化测算，以期能够得到学生信用风险的评价指标体系，为商业银行开展助学贷款提供一定的参考依据。
二、助学贷款信用风险AHP评价模型构建
在学生国家助学贷款信用风险模型的设计中，首先，要考虑模型的目标层，即明确要解决的问题，本文的研究中相关因素对学生助学贷款信用风险的影响程度。其次，要考虑因素准则层，即用于解释影响目标的因素层，该因素层由4个因素群所组成。最后，依据目标层、准则层的情况，构建学生贷款信用风险影响因素的递阶模型，表1所示。
表1国家助学贷款信用风险影响因素的递阶模型
目标层 准则层 因素层 因素解释
A
学生贷款信用 B1
学生自身情况 C1年龄 随着年龄的增长信用意识增强
C2性别 男生相对女生更易就业或升迁
C3学历 学历越高就业越容易，工资相对较高
C4生源地 学生相对在生源地就业容易
B2
学校、专业情况 C5学校类型 学校越好就业越容易
C6专业类型 专业热门相对就业容易
B3
学生在校情况 C7学习成绩 专业成绩越好，相对就业容易
C8学生工作 担任过学生干部相对就业容易
C9实践实习情况 参加实习实践经验较多，相对就业较容易
C10获奖情况 获奖较多，相对优秀，就业容易
B4
外部影响情况 C11家庭人均月收入 家庭收入越高，还款能力越强
C12当年大学生就业率 就业率越高，就业越易，还款资金稳定
C13学校历史违约率 学校违约率越高，学生受影响还款越差
表1是学生国家助学贷款信用风险影响因素的递阶模型，该模型分为三层，准则层共有4个因素群，覆盖13个影响学生贷款信用风险的因素，模型还对各因素进行了具体解释，详细的诠释了因素层各因素的具体内涵，以便更好的判断各因素对目标的影响程度，测算各因素的权重。
三、助学贷款信用风险AHP评价指标权重计算
如学生国家助学贷款信用风险影响因素的递阶模型所示，首先要确定四类因素对目标的影响程度。每次取两个因素和，以表示、对的影响程度比较，得到两两比较判断矩阵：
其中
的判断矩阵是表示某层所有因素针对上一层某一个因素的相对重要性的比较，从而通过科学合理的数学运算，求得每一因素的权重。本课题将采用Santy的1-9标度方法（如表2）给出判断矩阵的元素。
表2 判断矩阵元素aij的标度方法
标度 含义
1 表示两个因素相比，具有同样重要性
3 表示两个因素相比，一个因素比另一个因素稍微重要
5 表示两个因素相比，一个因素比另一个因素明显重要
7 表示两个因素相比，一个因素比另一个因素强烈重要
9 表示两个因素相比，一个因素比另一个因素极端重要
2，4，6，8 上述两相邻判断的中值
倒数 因素i与j比较的判断aij，则因素j与i比较的判断aji=1/ aij
根据表2，笔者向专家进行调查，对指標的相对重要程度进行比较。作者选取了10位在大学生思想政治教育和大学生资助一线工作的专家进行了访谈调查，经过与各位专家的商讨，确立学生信用风险管理矩阵如下：
表3学生国家助学贷款信用风险的判断矩阵
j
i B1学生自身情况 B2学校专业情况 B3学生在校情况 B4外部环境情况
B1学生自身情况 1 1/2 1/3 1
B2 学校专业情况 1 2/3 2
B3 学生在校情况 1 3
B4 外部环境情况 1
由于本方法建立在专家打分的基础上，会存在相应的赋值误差，为保障赋值结果的科学合理，将通过一致性检验来验证赋值的科学性。CI为A的一致性指标，CI愈大，A的一致性愈差，一般情况下，若CI<1，则认为A通过一致性检验，否则需重新进行赋值。
本研究通过天津大学开发的AHP测算软件进行科学计算，求得各指标的权重，以及一致性检验情况，测算结果如下：
表4 AHP层次分析法准则层指标权重表
目标层 准则层 因素权重
A学生贷款信用风险
因素影响权重 B1学生自身情况 0.144
B2学校专业情况 0.285
B3学生在校情况 0.429
B4外部影响情况 0.143 其中，CI=0.001<1，所以通过一致性检验，数据科学合理，真实可用。按照上述方法，分别计算因素层指标对准则层因素的重要程度，并输出重要程度权重层次，可得权重向量
W=（0.026，0.026，0.080，0.012，0.171，0.114，0.048，0.143，0.143，0.094，0.041，0.061，0.041）.
根据大学生信用风险因素权重测算的结果及上文对各指标的详细解释，可构建大学生信用风险测量指标体系如（表5）：
如大学生国家助学贷款信用风险测算指标体系所示，因素列为影响大学生信用风险的因素，因素权重列为经过AHP层次分析法测算出的因素权重，打分表中取整数。选项中为学生所对应的具体情况，分值是按照选项的重要程度将该因素的影响权重进行了1/2或1/3处理。
四、学生国家助学贷款信用风险管理指标体系的评价
为检验学生国家助学贷款信用风险测算指标体系，作者进行了实证研究。作者与中国农业大学、大连理工大学、东北财经大学、辽宁石油化工大学负责国家助学贷款的老师进行沟通，对40名已进入贷款还款期的学生进行了摸底调查。被调查的40名学生中，出现贷款违约的有6名，连续违约的5名。贷款违约的比例为12.5%。
调查结果呈现一定规律，即信用测评分数比较高的学生违约情况较少，信用测评分数较低的学生实际违约较多。这一规律符合客观实际，该学生信用风险管理测评指标体系有一定的科学性与可靠性。同时，违约的学生的得分基本低于56分，其中有一位得分为61.2的学生出现了短暂的违约，但已还清的情况。此外，得分超过70的部分学生已经还款完毕，这也符合该信用风险测评体系的逻辑。该体系可以为银行对学生信用管理方面提供一定的参考价值，银行有必要對得分为56以下的学生进行积极关注。
该信用测算体系也有一定的弊端，在进行检验的时候由于作者的调查能力有限，实证的样本还不够充足，希望可以在今后的实践及应用中不断检验该测评指标的科学性。
参考文献：
[1]桂富强 高效贫困生发展性自主理念及管理体系研究 西南交通大学出版社 2009
[2]岳 敏 中国农业大学家庭经济困难学生资助动态管理探索 2011
[3]陈灿平 学生贷款：运行机制及信用风险管理研究 2007
国家助学贷款计划是我国通过金融手段支持教育发展的一项新的尝试性举措，其金额大、办理手续相对复杂、涉及主体较多，在缓解贫困大学生的就学资金压力方面起到了一定的积极作用，但助学贷款一度出现了高违约率现象，情况令人堪忧。
2006年教育部在助学贷款的相关会议上指出，“大学生助学贷款违约率28.4%，欠费高达数亿元”。2010年，齐鲁晚报报道“2007-2008年，国家开发银行广东分行共为该省高校发放了三批贷款，但违约合同数占总还息合同数的13.59%。全省利息违约比例高于10.9%的高校有43所，这也意味着有近一半的高校违约率触到了风险底线。”根据中国银行北京分行某支行给出的数据显示，北京市部分重点高校，2012年国家助学贷款的违约率均超过10%，甚至部分已经超过15%。
商业银行开展国家助学贷款业务面对的贷款对象是大学生，其贷款形式采用无担保的信用贷款，贷款的风险性较大。因此本文尝试用AHP层次分析法对大学生信用风险进行量化测算，以期能够得到学生信用风险的评价指标体系，为商业银行开展助学贷款提供一定的参考依据。
二、助学贷款信用风险AHP评价模型构建
在学生国家助学贷款信用风险模型的设计中，首先，要考虑模型的目标层，即明确要解决的问题，本文的研究中相关因素对学生助学贷款信用风险的影响程度。其次，要考虑因素准则层，即用于解释影响目标的因素层，该因素层由4个因素群所组成。最后，依据目标层、准则层的情况，构建学生贷款信用风险影响因素的递阶模型，表1所示。
表1国家助学贷款信用风险影响因素的递阶模型
目标层 准则层 因素层 因素解释
A
学生贷款信用 B1
学生自身情况 C1年龄 随着年龄的增长信用意识增强
C2性别 男生相对女生更易就业或升迁
C3学历 学历越高就业越容易，工资相对较高
C4生源地 学生相对在生源地就业容易
B2
学校、专业情况 C5学校类型 学校越好就业越容易
C6专业类型 专业热门相对就业容易
B3
学生在校情况 C7学习成绩 专业成绩越好，相对就业容易
C8学生工作 担任过学生干部相对就业容易
C9实践实习情况 参加实习实践经验较多，相对就业较容易
C10获奖情况 获奖较多，相对优秀，就业容易
B4
外部影响情况 C11家庭人均月收入 家庭收入越高，还款能力越强
C12当年大学生就业率 就业率越高，就业越易，还款资金稳定
C13学校历史违约率 学校违约率越高，学生受影响还款越差
表1是学生国家助学贷款信用风险影响因素的递阶模型，该模型分为三层，准则层共有4个因素群，覆盖13个影响学生贷款信用风险的因素，模型还对各因素进行了具体解释，详细的诠释了因素层各因素的具体内涵，以便更好的判断各因素对目标的影响程度，测算各因素的权重。
三、助学贷款信用风险AHP评价指标权重计算
如学生国家助学贷款信用风险影响因素的递阶模型所示，首先要确定四类因素对目标的影响程度。每次取两个因素和，以表示、对的影响程度比较，得到两两比较判断矩阵：
其中
的判断矩阵是表示某层所有因素针对上一层某一个因素的相对重要性的比较，从而通过科学合理的数学运算，求得每一因素的权重。本课题将采用Santy的1-9标度方法（如表2）给出判断矩阵的元素。
表2 判断矩阵元素aij的标度方法
标度 含义
1 表示两个因素相比，具有同样重要性
3 表示两个因素相比，一个因素比另一个因素稍微重要
5 表示两个因素相比，一个因素比另一个因素明显重要
7 表示两个因素相比，一个因素比另一个因素强烈重要
9 表示两个因素相比，一个因素比另一个因素极端重要
2，4，6，8 上述两相邻判断的中值
倒数 因素i与j比较的判断aij，则因素j与i比较的判断aji=1/ aij
根据表2，笔者向专家进行调查，对指標的相对重要程度进行比较。作者选取了10位在大学生思想政治教育和大学生资助一线工作的专家进行了访谈调查，经过与各位专家的商讨，确立学生信用风险管理矩阵如下：
表3学生国家助学贷款信用风险的判断矩阵
j
i B1学生自身情况 B2学校专业情况 B3学生在校情况 B4外部环境情况
B1学生自身情况 1 1/2 1/3 1
B2 学校专业情况 1 2/3 2
B3 学生在校情况 1 3
B4 外部环境情况 1
由于本方法建立在专家打分的基础上，会存在相应的赋值误差，为保障赋值结果的科学合理，将通过一致性检验来验证赋值的科学性。CI为A的一致性指标，CI愈大，A的一致性愈差，一般情况下，若CI<1，则认为A通过一致性检验，否则需重新进行赋值。
本研究通过天津大学开发的AHP测算软件进行科学计算，求得各指标的权重，以及一致性检验情况，测算结果如下：
表4 AHP层次分析法准则层指标权重表
目标层 准则层 因素权重
A学生贷款信用风险
因素影响权重 B1学生自身情况 0.144
B2学校专业情况 0.285
B3学生在校情况 0.429
B4外部影响情况 0.143 其中，CI=0.001<1，所以通过一致性检验，数据科学合理，真实可用。按照上述方法，分别计算因素层指标对准则层因素的重要程度，并输出重要程度权重层次，可得权重向量
W=（0.026，0.026，0.080，0.012，0.171，0.114，0.048，0.143，0.143，0.094，0.041，0.061，0.041）.
根据大学生信用风险因素权重测算的结果及上文对各指标的详细解释，可构建大学生信用风险测量指标体系如（表5）：
如大学生国家助学贷款信用风险测算指标体系所示，因素列为影响大学生信用风险的因素，因素权重列为经过AHP层次分析法测算出的因素权重，打分表中取整数。选项中为学生所对应的具体情况，分值是按照选项的重要程度将该因素的影响权重进行了1/2或1/3处理。
四、学生国家助学贷款信用风险管理指标体系的评价
为检验学生国家助学贷款信用风险测算指标体系，作者进行了实证研究。作者与中国农业大学、大连理工大学、东北财经大学、辽宁石油化工大学负责国家助学贷款的老师进行沟通，对40名已进入贷款还款期的学生进行了摸底调查。被调查的40名学生中，出现贷款违约的有6名，连续违约的5名。贷款违约的比例为12.5%。
调查结果呈现一定规律，即信用测评分数比较高的学生违约情况较少，信用测评分数较低的学生实际违约较多。这一规律符合客观实际，该学生信用风险管理测评指标体系有一定的科学性与可靠性。同时，违约的学生的得分基本低于56分，其中有一位得分为61.2的学生出现了短暂的违约，但已还清的情况。此外，得分超过70的部分学生已经还款完毕，这也符合该信用风险测评体系的逻辑。该体系可以为银行对学生信用管理方面提供一定的参考价值，银行有必要對得分为56以下的学生进行积极关注。
该信用测算体系也有一定的弊端，在进行检验的时候由于作者的调查能力有限，实证的样本还不够充足，希望可以在今后的实践及应用中不断检验该测评指标的科学性。
参考文献：
[1]桂富强 高效贫困生发展性自主理念及管理体系研究 西南交通大学出版社 2009
[2]岳 敏 中国农业大学家庭经济困难学生资助动态管理探索 2011
[3]陈灿平 学生贷款：运行机制及信用风险管理研究 2007