论文部分内容阅读
【摘要】互联网时代的到来促进了以分期乐、趣分期等为代表的大学生分期、贷款平台的迅速崛起。其中，尤以互联网短期贷款在校园市场中的应用最为普遍。受新型消费观念影响，不少大学生选择借助手续方便、到款快捷的P2P网贷来解决暂时的资金短缺问题，这在一定程度上满足了他们短期内的消费需求。长远来看，大学生对互联网短期贷款的认识不充分，对风险的识别和防范能力较差。因此若互联网分期付款平台出现问题，将导致大学生个人信息泄漏，甚至影响到他们的个人征信。基于此，本文首先对大学生互联网短期贷款的全面风险管理加以概述，选取武汉市九所高校的学生作为研究对象，从互联网短期贷款视角出发，采取问卷调查的方式对武汉市大学生网络借贷平台的使用状况进行定性分析，并对武汉市大学生互联网短期贷款中存在的风险管理问题做了系统探讨，以期形成一套集诚信教育、征信体系、金融创新、风险应对为一体的全面风险管理体系。
【关键词】互联网短期贷款 全面风险管理 风险识别 风险评估
一、大学生互联网短期贷款全面风险管理概述
全面风险管理理论主要应用于企业经营中，指的是企业围绕总体经营目标，通过在企业管理的各个环节和经营过程中执行风险管理的基本流程，培育良好的风险管理文化，建立健全全面风险管理体系，其中包括风险识别、风险评估、风险整合、风险控制、风险监控与反馈等环节。因此，在应用到大学生互联网短期贷款这一领域中时，本文也将分别从以上五个环节来构建大学生互联网短期贷款全面风险管理的理论框架。
（一）大学生互联网短期贷款风险识别
风险识别（Risk identification）是发现、承认和描述风险的过程。在此方案中，风险识别的主体主要是短期贷款平台、大学生个体、政府。客体主要是短期贷款风险识别主体拟要识别的风险类型、受险部位、风险源等。而开展风险识别是进行对风险类型与受险部位以及风险诱因与严重程度的识别。
本研究基于对武汉市大学生短期借贷行为的实证调查和利用专家访谈法收集的数据，以及对武汉市大学生短期借贷情况进行收集统计，根据这些统计信息对大学生互联网短期贷款风险进行初步识别。
（二）大学生互联网短期贷款风险评估
针对大学生互联网短期贷款风险的评估，应当在其发生贷款行为的初期就开始进行，另外，在大学生贷款过程中出现重要转折点（例如出现费用问题可能导致逾期）时，应当再次进行评估。
（三）大学生互联网短期贷款风险整合
大学生互联网短期贷款的风险整合应当首先就该风险的驱动因素进行分析，也就是分析导致大学生互联网短期贷款发生风险的可能原因，并对这些原因进行筛选，找出真正的风险源，并以此进行风险整合，再制定风险应对策略和步骤。本文在对大学生互联网短期贷款风险信息收集基础上进行统计分析，进而对其风险源进行分析。
（四）大学生互联网短期贷款风险控制
风险控制的方式主要包括风险回避、风险自留、风险转移、风险抑制。考虑到大学生互联网短期贷款的具体情况，采取风险回避与风险自留的方式是达不到控制这一风险目标，因此，将主要采用风险转移和风险抑制来进行风险控制。
（五）大学生互联网短期贷款风险控制后的监控与反馈
风险反馈是指对大学生互联网短期贷款风险控制体系建设、实施和运行结果等独立开展的调查、测试、分析和评估等系统性活动。同时根据评估结果和变化因素通过风险控制系统地调整。
二、收据收集
（一）样本基本特征分析
分别于2015年9月和2016年3月选取武汉市9所高校学生先后两次进行随机问卷调查，其中，分别为华中科技大学、湖北大学、武汉工程大学、湖北经济学院、江汉大学、武汉纺织大学、武汉商学院、湖北商贸学院、武汉理工大学华夏学院，根据这9所高校的人数对照其在总人数中所占比重采取随机发放的形式发放问卷1500份，回收1433份，问卷回收率95.5%，其中有效问卷1365分，问卷有效率95.28%，符合统计要求。
1.性别分布。在本次回收的有效问卷中，男性占总体比例的52%，女性占总体比例的48%，问卷代表性较强，具体情况如图1-1所示：
3.院系分布。本次调查收集的院系信息主要以普遍的院系分类标准来对受访者进行分类，主要分为经管类，艺术类，理工类，以及文史类。
在受访者院系分布的调查中，理工类的受访者占调查对象的56%，文史类占18%，经管类占15%，艺术类占11%。也正反应了当前武汉的高等院校分布情况，即主要以理工为主，其他类型的院系相对较少。在分类过程中，并没有直接将所有的院校都以理工、文史进行分类，有一些经管类或是艺术类院校实际上也可以分类为广义的文史类院系。
（二）调研方式及其作用
基于实际的易操作性，本文主要采用问卷调研的方式展开。在问卷设计方面以选择题类型为主。为确保调研数据统计的真实可靠，受访人员需根据实际情况作答。
三、实证分析
（一）大学生互联网短期贷款风险的影响因素分析
大学生互联网短期贷款风险与其消费水平、消费习惯、生活费来源等多方面因素都有关联，而这些因素可以具体表现为以下几个方面：
1.生活费收入。大学生生活费与其消费水平直接相关，对于分期类的支付平台而言，付款者的月平均收入无疑是分期平台最关心的部分之一。因此，大学生生活费是大学生互联网短期贷款风险的影响因素之一，本次针对受访大學生生活费的调查情况如图3-1所示：
从图3-1可以看出，有600名受访者的生活费都在1000到1200的区间，在所有的调查者当中，82%的受访者每月的生活费在800至1500之间。说明在校大学生之间的生活费差距并不明显。
2.大学生生活费来源。大学生生活费的来源，可以在一定程度上影响其消费水平以及消费习惯，并通过这种方式对其互联网贷款风险产生影响。同时，通过这一指标与其他影响因素的综合比较，能够获得一些具备不同收入特点的大学生以及他们对于每月的收入怎样进行支配，对于无力承担的高档商品，是怎样进行处理。具有不同收入结构的人群是否具有不同的消费习惯。并根据这些特点来对受访大学生进行合理的分类，本次针对大学生生活费来源的调查情况如图3-2所示： 通过图3-2可以看出，只由父母提供生活费的受访大学生有1325人，只通过兼职支持正常生活的受访大学生人数就下降到了40人，这意味着在样本中主要的经济来源是通过父母的支持。
3.奖学金获得情况。通过统计受访大学生在学校的奖学金获得情况，可以反映出一些受访者的消费习惯。
通过调查可以发现，有51%的受访大学生是没有获得过奖学金的，院级类较小的奖学金的比重次之，为23%，校级及以上的奖学金获得者则为19%。说明能够获得奖学金的大学生比重并不高，能够进行日常生活以外的额外消费可能较少。
通过图3-3可知，在校大学生的群体当中，只有8%的大学生在出现了超前消费，60%的受访大学生在消费的选择上还是比较谨慎，不会出现月光或超前消费的现象。
5.如何承担高端消费品。高端消费品是大学生进行互联网短期贷款的主要目的之一，自然也是其风险影响因素之一，86%的受访者的回答是攒钱购买或者就此放弃购买，仅有14%的受访者选择了借钱或向父母要钱进行购买。愿意借钱购买的人数比例只有3%。这说明在大学生群体中，消费意识总体来讲相对保守，愿意借钱去超前消费的大学生占比较低。
6.平台使用情况。大学生互联网短期贷款通常通过互联网信贷平台来进行，对于互联网信贷平台的使用情况必然是大学生互联网短期贷款风险的重要影响因素之一，在这一环节中，采用递进的问卷调查方式，首先，针对大学生是否了解互联网贷款平台进行调查，有76%人表示或多或少都了解过在线的借贷平台。这表明各大网络贷款平台实际上对于在校大学生的宣传力度还是在一定形式上存在的，并且也有一定的影响力。有55%的受访大学生表示进行过互联网信贷。在此基础上，针对这55%的进行过互联网信贷的受访大学生信贷还款占生活费比重进行了调查，结果如图3-4所示：
从图3-4可以看出，在进行过互联网信贷的751名受访大学生中，有599人的互联网信贷还款比例在20%以下，对于日常生活消费影响较小，互联信贷还款比例在50%以上的有14人，这一比重已严重的影响了日常生活，同时也存在较高的信贷风险。整体而言，当代大学生的互联网短期信贷还款比重尚处在合理范围内，对于互联网信贷的使用方式趋于理性。
7.其他指标。为了使本课题的分析更为科学、严谨，在以上五个直接相关的影响因素的基础上，还将性别、年级以及院系也作为影响因素之一，以此来全面分析大学生互联网短期贷款风险。
（二）指标选择和模型建立
本文主要目的是为了研究大学生互联网短期贷款的全面风险管理，基于全面风险管理的基本理论，通过识别风险源及风险评估，对风险进行量化。
1.指标选择。以大学生在进行互联网信贷之后“还款与否”作为因变量Y，采取二元Logistic回归模型对数据进行分析，因变量Y值服从二项分布，其二项分布的取值为0和1，对应条件分别为“不使用”和“使用”。
第一，风险源识别
在此模型的基础上，将所有自变量输入进SPSS“协变量”框，因变量为（是否会如期还款），无“分类协变量”，保存“概率”，“组成员”预测值，cook距离，标准化残差值，选项勾选“估计值的相关性”，“Hosmer-Lemeshow拟合度”，以及exp（B）的CI值。在变量的排除方面，选用向后（条件），在模型的运行过程当中，显著性在0.10以下的变量被选入，而在0.10以内的变量就会被删除，采用SPSS对相应步数的检验和删除之后，能够选择出符合进入该模型的因变量。
这些因变量就是大学生短期贷款风险的风险源，此过程即为风险源的识别过程。
第二，风险量化
将符合条件的影响因素输入以上分析模型之后，计算出P值，即达到了风险量化的要求，互联网信贷企业可以根据P值的大小来判断大学生逾期还款的几率，也体现出了大学生短期互联网贷款风险的大小，根据行业情况来决定贷款与否或制定相应的借贷利率。
（三）模型分析
1.聚类分析。首先根据消费习惯、消费情况，以及受访者的私人基本信息将人群进行自动分类，SPSS软件主要提供了K均值聚类以及两步聚类，因为本次调查涉及的维数多，无法使用K均值聚类，所以使用两步聚类对人群进行自动归类。而归类的信息准则方法则是采用施瓦茨贝叶斯准则（BIC）。在第一次聚类中，将样本的所有信息都放入，进行聚类，但是最后的聚类效果并不理想，聚类情况如图3-5所示：
在第二次聚类后，对样本的分析得到了三个聚类中心：（0，3，1，1，1）（0，4，2，1，0），（1，3，1，1，1）
这三个聚类样本中心对应的样本特征分别为：
第一，没有兼职收入，理工类学生，每月生活费有剩余，并且每月生活费有父母的支持的男性。
第二，没有兼职收入，文史类学生，每月生活费基本“月光”，并且生活费也是有父母支持的女性。
第三，有兼职收入，理工类学生，每月生活费有剩余，每月生活费也有父母支持的男性。
对于这样三种分类而言，该分类中心较有代表性。其中第二类较能代表周围没有兼职收入，并且也没有生活费结余的女性，对于每月的收入控制力较差。而第一类和第二类则是很好地代表了较为省钱的男性，不同点在于是否有兼职的收入。通过对聚类结果的分析，得出不同类别的消费习惯的受访者基本信息。继而做进一步分析，这三种不同类型的消费者对于在无法还款的处理方式上是否存在不同，是否意味着不同消費类型的群体会选择不同的方式来应对无力还款的情况。于是本组又一次对这三类已经分类的人群和对无力还款的处理方式，进行列联分析，结果如表3-1所示：
从表3-1和3-2可以看出，已经进行了分类的不同人群对于无力还款时的处理方式并没有太大的差异，卡方检验的显著形值为0.674远远高于0.05的拒绝域范围，所以选择接受卡方检验的原假设，认为这三类人群对于无法还款的处理方式无差异。因为本次处理的方式采取的是人工对于分类标准进行选取，换言之，如果将所有影响无力还款时处理方式的因素都放进聚类模型中进行聚类，则会大大降低聚类效果。因此，在聚类后卡方分析的基础上再进行一次logistic回归分析，回归分析的自变量会将诸多变量都放进模型中，用以弥补简单聚类分析的不足。 2.Logistic回归分析。下面对是否会按时还款进行了logistic回归分析，设定受访者的基本信息（性别，年级，院系），以及受访者的消费习惯（生活费数额，生活费来源，奖金获得方式，消费习惯类型，承担高端商品的方式）为自变量，在无力还款的情况下是否会坚持按时还款，建立logistic二元回归模型。
在logistic回归分析之前对数据先做了一些处理。在对还款意愿及方式上对数据进行了分两类的处理，第一类是无论如何都会选择如期还款，第二类是不会如期还款。
在预测值方面，模型对可能给不会按时还款人群预测命中率极高，达到了84.8%，而对于会按时还款人群的预测准确率就相对较低，只有71.8%，而从综合百分比来看，模型的预测准确度还是达到了71.826%，可以认为其预测精度良好。在实际操作中，应首先找准不会按期还款的人群，模型在此处展现出了较好的预测效果。此外，在本次实验调查中，不会按时还款的人群实际占比相当少，从而在最后计算整体百分比的时候因为实际会按时还款的人群比重过高，使得对会按时还款的人群预测值权重过高。最终结果依然精度良好。
该方程说明，在对受访者调查的分析中，有三个变量明显呈现出对因变量产生了影响，依次是生活费数额，消费习惯类型，还款比重。得出以下结论：
第一，在关于生活费数额的调查问卷选项设计中，采用了生活费数额逐渐变多的方式。结果表明，随着生活费数额的增长，违约的风险呈现降低的趋势。与低收入学生人群相比，高收入学生人群的违约风险相对较低。
第二，在关于消费习惯的调查问卷选项设计中，采用了消费习惯逐渐超前的方式。结果表明，受访者违约风险随着消费习惯的超前而明显增加。相对而言，保守消费的学生群体则不易产生违约风险。
第三，在关于还款比重的调查问卷选项设计中，采用了每月还款额度占生活费总额比例逐步增加的方式。结果表明，随着还款额占比的增加，还款压力也逐渐增大。在模型中也发现，随着还款额占生活费比重的增加，受访者违约风险也在逐渐增加。
除此之外，大学生互联网短期贷款风险的大小也可以通过P值大小来体现，换言之，P值越大，说明大学生出现贷款风险的可能性越低。P值越小，说明出现贷款风险的可能性越高，这时互联网贷款平台就应采取合理的应对措施。
（四）调查结论
综上可知，生活费数额、消费习惯和还款比重是大学生互联网短期贷款风险的主要风险源。大学生通过互联网短期贷款平台获取贷款进行超前消费的行为与其性别、年级、院系、生活费来源等因素没有直接的关联性，因此，在进行风险管理的过程中应当着重考虑主要影响因素，采取合理有效的解决方案。
四、大学生互联网短期贷款全面风险管理解决方案
（一）建立大学生互联网短期贷款全面风险管理框架
通过完成大学生互联网短信贷款风险信息的收集以及初步识别，并在探讨出其风险源之后，就可以进行有效的结合全面风险管理理论来完善大学生互联网短期贷款全面风险管理的框架，在风险管理各个环节可采取的措施如下：
第一，在風险识别环节，政府和相关监管机构应当引导互联网贷款行业构建大学生互联网贷款信息平台，在保证大学生资信信息安全的情况下，让互联网贷款平台能够充分了解带大学生的动态状况。同时，学校也应当与政府和校园卡负责银行进行合作，将校内学生的日常消费情况、资金奖惩情况以及勤工俭学情况等关乎大学生资金流动的情况搜集起来作为征信系统的数据基础。此外，校方还可以依据这些信息针对性地开展大学生信用意识培养以及良好消费习惯的培养，而这对我国信用机制的建立也将起到有利作用。
第二，在风险评估环节，有了大学生动态信息的支撑，风险评估自然水到渠成，但考虑到大学生是个充满朝气的消费群体，可能存出现某些突发状况，比如突然增加恋爱消费，使得还款能力减弱等等。因此，针对大学生互联网短期贷款的风险评估应不仅限于贷款前评估，还应做好贷后评估，应当在大学生在突发异常消费时，对其重新进行量化评估，适时更新该大学生的风险等级，调整防控方案，以此来达到风险防控的目的。同时，还应将重新评估后的结果反馈给学校，让学校根据实际情况来进行新一轮的具有针对的消费引导性教育。
第三，在风险整合环节，虽然本文的统计分析表明生活费的来源或奖金的获得方式与大学生互联网短期贷款风险没有直接关系，但考虑到大学生可能采取勤工俭学等方式来提升自身的生活消费水平，因此，在风险整合环节也应当将这些因素纳入考虑范围，以充分挖掘可能减小其贷款风险的因素。同时，高等院校也应当鼓励大学生在不影响正常学业的情况通过正当的勤工俭学、社会兼职等课外实践来提高生活费来源，以降低大学生可能出现的互联网短期贷款风险。
在风险控制环节，应当从风险转移与风险控制两个方面入手：风险转移方面，可以引入担保公司对大学生是否可担保进行条件筛选后对风险进行平摊，在审核大学生使用互联网短期贷款的资格上再设置一道关卡。在大学生使用互联网短期贷款时，加入是否购买信用衍生产品或是否需担保公司担保的选项，一方面大学生要考虑是否能够承担多一笔费用来转移风险，另一方面在担保公司以及互联网短期贷款平台双方面的审核标准下，减少违约风险发生的几率。针对这一情况，我们特意追加了问题“是否愿意选择担保品或少量保险费的方式，以应对日后无力还款的情况”。
从调查结果来看，有68%的人愿意为转移风险而承担一定的担保费，说明这一方案有一定的接受基础，风险控制中缴纳额外担保费以转移风险的方式可以实行。
风险抑制方面，应当由专门的信用评估机构将大学生纳入个人征信系统的范畴，运用一定的评级方法，对大学生按时、足额履行相关合同的能力和意愿进行综合评价，并用简单的评级符号表示信用风险的相对大小。力求在建立征信系统以后，可供平台对学生做出更有利于平台自身的信用评级，决定其贷款额度以及利率的同时，加强大学生信用意识，积极促进个人征信体系建设。针对这一环节，我们也进行了追加调查。 从调查结果来看，结果几乎与“额外承担保险来转移风险”的调查相似，说明当代大学生对于征信系统的建设有一定的认识并且愿意为该系统的建设贡献自身力量，同时也说明当代大学生对自身消费观念、消费方式具备一定的理性。因此，建立大学生个人征信系统也具备一定的可行性。
第四，在风险监控与反馈环节，应当不定期对大学生短期贷款全面风险管理框架进行优化，以保证在与外缘环境的相互影响下，当风险识别发生变化时，整套全面风险管理系统对风险的管理能够进入更微观更细致的层面，不断提高风险评估的准确性，使评估的风险不断接近真实水平，达到风险管理的效果。
（二）大学生互联网短期贷款全面风险管理框架图
（三）理论框架与量化模型的实际应用与可行性描述
在本课题中，考虑到数据的收集是以横向收集为主，因此，此调查结论是面向该行业所得到的结论。在进行大学生互联网短期贷款全面风险管理的实际应用过程中，在评估某个大学生的互联网短期贷款风险时，应当根据时间线对各影响因素的数值进行纵向收集，以此来量化该大学生的互联网短期贷款风险。
以面向大学生群体，横向数据收集来评估整体风险，以面向大学生个人，纵向数据收集来评估个人风险，如此既能够根据整体风险来制定个人风险等级及其对应的贷款利率和贷款额度，也能根据整体风险量化数值的变化来及时的调整相对应的风险管理方案，从而达到优化大学生互联网短期贷款全面风险管理框架的目的。同时，当代大學生既愿意在进行互联网短期贷款中承担额外保费以转移风险，也愿意在大学时期提前加入个人征信系统。在政府、高等院校、相关机构以及大学生共同参与下，有了数据收集基础，再依照理论框架与量化模型，能够较好的评价大学生互联网短期信贷中个人乃至整个市场的风险。也就是说本课题中所制定的大学生互联网短期贷款全面风险管理理论框架与量化模型具备对大学生互联网短期贷款实施全面风险管理的可行性。
参考文献
[1]蔡昌达.互联网金融背景下的商业银行业务模式的创新——以高校学生贷款为例[J].金融理论与实践，2015，（08）.
[2]赵立.互联网信贷对大学生消费行为的影响[J].现代经济信息，2015，（12）.
[3]邓秀焕.大学生信贷消费市场前景分析[J].现代商业，2015，（06）.
[4]金露露，李游.互联网金融背景下大学生分期购物平台风险研究[J].淮南师范学院学报，2015，（09）.
[5]逄明亮.我国P2P网络贷款平台全面风险管理体系构建研究[D].山东大学，2015.
[6]李海鸥.论构建P2P网络借贷的全面风险管理体系[J].中国商贸，2015，（18）.
[7]季振华，郑依晴.大学生P2P网络借贷风险研究及其管理对策[J].现代经济信息，2015，（03）.
【关键词】互联网短期贷款 全面风险管理 风险识别 风险评估
一、大学生互联网短期贷款全面风险管理概述
全面风险管理理论主要应用于企业经营中，指的是企业围绕总体经营目标，通过在企业管理的各个环节和经营过程中执行风险管理的基本流程，培育良好的风险管理文化，建立健全全面风险管理体系，其中包括风险识别、风险评估、风险整合、风险控制、风险监控与反馈等环节。因此，在应用到大学生互联网短期贷款这一领域中时，本文也将分别从以上五个环节来构建大学生互联网短期贷款全面风险管理的理论框架。
（一）大学生互联网短期贷款风险识别
风险识别（Risk identification）是发现、承认和描述风险的过程。在此方案中，风险识别的主体主要是短期贷款平台、大学生个体、政府。客体主要是短期贷款风险识别主体拟要识别的风险类型、受险部位、风险源等。而开展风险识别是进行对风险类型与受险部位以及风险诱因与严重程度的识别。
本研究基于对武汉市大学生短期借贷行为的实证调查和利用专家访谈法收集的数据，以及对武汉市大学生短期借贷情况进行收集统计，根据这些统计信息对大学生互联网短期贷款风险进行初步识别。
（二）大学生互联网短期贷款风险评估
针对大学生互联网短期贷款风险的评估，应当在其发生贷款行为的初期就开始进行，另外，在大学生贷款过程中出现重要转折点（例如出现费用问题可能导致逾期）时，应当再次进行评估。
（三）大学生互联网短期贷款风险整合
大学生互联网短期贷款的风险整合应当首先就该风险的驱动因素进行分析，也就是分析导致大学生互联网短期贷款发生风险的可能原因，并对这些原因进行筛选，找出真正的风险源，并以此进行风险整合，再制定风险应对策略和步骤。本文在对大学生互联网短期贷款风险信息收集基础上进行统计分析，进而对其风险源进行分析。
（四）大学生互联网短期贷款风险控制
风险控制的方式主要包括风险回避、风险自留、风险转移、风险抑制。考虑到大学生互联网短期贷款的具体情况，采取风险回避与风险自留的方式是达不到控制这一风险目标，因此，将主要采用风险转移和风险抑制来进行风险控制。
（五）大学生互联网短期贷款风险控制后的监控与反馈
风险反馈是指对大学生互联网短期贷款风险控制体系建设、实施和运行结果等独立开展的调查、测试、分析和评估等系统性活动。同时根据评估结果和变化因素通过风险控制系统地调整。
二、收据收集
（一）样本基本特征分析
分别于2015年9月和2016年3月选取武汉市9所高校学生先后两次进行随机问卷调查，其中，分别为华中科技大学、湖北大学、武汉工程大学、湖北经济学院、江汉大学、武汉纺织大学、武汉商学院、湖北商贸学院、武汉理工大学华夏学院，根据这9所高校的人数对照其在总人数中所占比重采取随机发放的形式发放问卷1500份，回收1433份，问卷回收率95.5%，其中有效问卷1365分，问卷有效率95.28%，符合统计要求。
1.性别分布。在本次回收的有效问卷中，男性占总体比例的52%，女性占总体比例的48%，问卷代表性较强，具体情况如图1-1所示：
3.院系分布。本次调查收集的院系信息主要以普遍的院系分类标准来对受访者进行分类，主要分为经管类，艺术类，理工类，以及文史类。
在受访者院系分布的调查中，理工类的受访者占调查对象的56%，文史类占18%，经管类占15%，艺术类占11%。也正反应了当前武汉的高等院校分布情况，即主要以理工为主，其他类型的院系相对较少。在分类过程中，并没有直接将所有的院校都以理工、文史进行分类，有一些经管类或是艺术类院校实际上也可以分类为广义的文史类院系。
（二）调研方式及其作用
基于实际的易操作性，本文主要采用问卷调研的方式展开。在问卷设计方面以选择题类型为主。为确保调研数据统计的真实可靠，受访人员需根据实际情况作答。
三、实证分析
（一）大学生互联网短期贷款风险的影响因素分析
大学生互联网短期贷款风险与其消费水平、消费习惯、生活费来源等多方面因素都有关联，而这些因素可以具体表现为以下几个方面：
1.生活费收入。大学生生活费与其消费水平直接相关，对于分期类的支付平台而言，付款者的月平均收入无疑是分期平台最关心的部分之一。因此，大学生生活费是大学生互联网短期贷款风险的影响因素之一，本次针对受访大學生生活费的调查情况如图3-1所示：
从图3-1可以看出，有600名受访者的生活费都在1000到1200的区间，在所有的调查者当中，82%的受访者每月的生活费在800至1500之间。说明在校大学生之间的生活费差距并不明显。
2.大学生生活费来源。大学生生活费的来源，可以在一定程度上影响其消费水平以及消费习惯，并通过这种方式对其互联网贷款风险产生影响。同时，通过这一指标与其他影响因素的综合比较，能够获得一些具备不同收入特点的大学生以及他们对于每月的收入怎样进行支配，对于无力承担的高档商品，是怎样进行处理。具有不同收入结构的人群是否具有不同的消费习惯。并根据这些特点来对受访大学生进行合理的分类，本次针对大学生生活费来源的调查情况如图3-2所示： 通过图3-2可以看出，只由父母提供生活费的受访大学生有1325人，只通过兼职支持正常生活的受访大学生人数就下降到了40人，这意味着在样本中主要的经济来源是通过父母的支持。
3.奖学金获得情况。通过统计受访大学生在学校的奖学金获得情况，可以反映出一些受访者的消费习惯。
通过调查可以发现，有51%的受访大学生是没有获得过奖学金的，院级类较小的奖学金的比重次之，为23%，校级及以上的奖学金获得者则为19%。说明能够获得奖学金的大学生比重并不高，能够进行日常生活以外的额外消费可能较少。
通过图3-3可知，在校大学生的群体当中，只有8%的大学生在出现了超前消费，60%的受访大学生在消费的选择上还是比较谨慎，不会出现月光或超前消费的现象。
5.如何承担高端消费品。高端消费品是大学生进行互联网短期贷款的主要目的之一，自然也是其风险影响因素之一，86%的受访者的回答是攒钱购买或者就此放弃购买，仅有14%的受访者选择了借钱或向父母要钱进行购买。愿意借钱购买的人数比例只有3%。这说明在大学生群体中，消费意识总体来讲相对保守，愿意借钱去超前消费的大学生占比较低。
6.平台使用情况。大学生互联网短期贷款通常通过互联网信贷平台来进行，对于互联网信贷平台的使用情况必然是大学生互联网短期贷款风险的重要影响因素之一，在这一环节中，采用递进的问卷调查方式，首先，针对大学生是否了解互联网贷款平台进行调查，有76%人表示或多或少都了解过在线的借贷平台。这表明各大网络贷款平台实际上对于在校大学生的宣传力度还是在一定形式上存在的，并且也有一定的影响力。有55%的受访大学生表示进行过互联网信贷。在此基础上，针对这55%的进行过互联网信贷的受访大学生信贷还款占生活费比重进行了调查，结果如图3-4所示：
从图3-4可以看出，在进行过互联网信贷的751名受访大学生中，有599人的互联网信贷还款比例在20%以下，对于日常生活消费影响较小，互联信贷还款比例在50%以上的有14人，这一比重已严重的影响了日常生活，同时也存在较高的信贷风险。整体而言，当代大学生的互联网短期信贷还款比重尚处在合理范围内，对于互联网信贷的使用方式趋于理性。
7.其他指标。为了使本课题的分析更为科学、严谨，在以上五个直接相关的影响因素的基础上，还将性别、年级以及院系也作为影响因素之一，以此来全面分析大学生互联网短期贷款风险。
（二）指标选择和模型建立
本文主要目的是为了研究大学生互联网短期贷款的全面风险管理，基于全面风险管理的基本理论，通过识别风险源及风险评估，对风险进行量化。
1.指标选择。以大学生在进行互联网信贷之后“还款与否”作为因变量Y，采取二元Logistic回归模型对数据进行分析，因变量Y值服从二项分布，其二项分布的取值为0和1，对应条件分别为“不使用”和“使用”。
第一，风险源识别
在此模型的基础上，将所有自变量输入进SPSS“协变量”框，因变量为（是否会如期还款），无“分类协变量”，保存“概率”，“组成员”预测值，cook距离，标准化残差值，选项勾选“估计值的相关性”，“Hosmer-Lemeshow拟合度”，以及exp（B）的CI值。在变量的排除方面，选用向后（条件），在模型的运行过程当中，显著性在0.10以下的变量被选入，而在0.10以内的变量就会被删除，采用SPSS对相应步数的检验和删除之后，能够选择出符合进入该模型的因变量。
这些因变量就是大学生短期贷款风险的风险源，此过程即为风险源的识别过程。
第二，风险量化
将符合条件的影响因素输入以上分析模型之后，计算出P值，即达到了风险量化的要求，互联网信贷企业可以根据P值的大小来判断大学生逾期还款的几率，也体现出了大学生短期互联网贷款风险的大小，根据行业情况来决定贷款与否或制定相应的借贷利率。
（三）模型分析
1.聚类分析。首先根据消费习惯、消费情况，以及受访者的私人基本信息将人群进行自动分类，SPSS软件主要提供了K均值聚类以及两步聚类，因为本次调查涉及的维数多，无法使用K均值聚类，所以使用两步聚类对人群进行自动归类。而归类的信息准则方法则是采用施瓦茨贝叶斯准则（BIC）。在第一次聚类中，将样本的所有信息都放入，进行聚类，但是最后的聚类效果并不理想，聚类情况如图3-5所示：
在第二次聚类后，对样本的分析得到了三个聚类中心：（0，3，1，1，1）（0，4，2，1，0），（1，3，1，1，1）
这三个聚类样本中心对应的样本特征分别为：
第一，没有兼职收入，理工类学生，每月生活费有剩余，并且每月生活费有父母的支持的男性。
第二，没有兼职收入，文史类学生，每月生活费基本“月光”，并且生活费也是有父母支持的女性。
第三，有兼职收入，理工类学生，每月生活费有剩余，每月生活费也有父母支持的男性。
对于这样三种分类而言，该分类中心较有代表性。其中第二类较能代表周围没有兼职收入，并且也没有生活费结余的女性，对于每月的收入控制力较差。而第一类和第二类则是很好地代表了较为省钱的男性，不同点在于是否有兼职的收入。通过对聚类结果的分析，得出不同类别的消费习惯的受访者基本信息。继而做进一步分析，这三种不同类型的消费者对于在无法还款的处理方式上是否存在不同，是否意味着不同消費类型的群体会选择不同的方式来应对无力还款的情况。于是本组又一次对这三类已经分类的人群和对无力还款的处理方式，进行列联分析，结果如表3-1所示：
从表3-1和3-2可以看出，已经进行了分类的不同人群对于无力还款时的处理方式并没有太大的差异，卡方检验的显著形值为0.674远远高于0.05的拒绝域范围，所以选择接受卡方检验的原假设，认为这三类人群对于无法还款的处理方式无差异。因为本次处理的方式采取的是人工对于分类标准进行选取，换言之，如果将所有影响无力还款时处理方式的因素都放进聚类模型中进行聚类，则会大大降低聚类效果。因此，在聚类后卡方分析的基础上再进行一次logistic回归分析，回归分析的自变量会将诸多变量都放进模型中，用以弥补简单聚类分析的不足。 2.Logistic回归分析。下面对是否会按时还款进行了logistic回归分析，设定受访者的基本信息（性别，年级，院系），以及受访者的消费习惯（生活费数额，生活费来源，奖金获得方式，消费习惯类型，承担高端商品的方式）为自变量，在无力还款的情况下是否会坚持按时还款，建立logistic二元回归模型。
在logistic回归分析之前对数据先做了一些处理。在对还款意愿及方式上对数据进行了分两类的处理，第一类是无论如何都会选择如期还款，第二类是不会如期还款。
在预测值方面，模型对可能给不会按时还款人群预测命中率极高，达到了84.8%，而对于会按时还款人群的预测准确率就相对较低，只有71.8%，而从综合百分比来看，模型的预测准确度还是达到了71.826%，可以认为其预测精度良好。在实际操作中，应首先找准不会按期还款的人群，模型在此处展现出了较好的预测效果。此外，在本次实验调查中，不会按时还款的人群实际占比相当少，从而在最后计算整体百分比的时候因为实际会按时还款的人群比重过高，使得对会按时还款的人群预测值权重过高。最终结果依然精度良好。
该方程说明，在对受访者调查的分析中，有三个变量明显呈现出对因变量产生了影响，依次是生活费数额，消费习惯类型，还款比重。得出以下结论：
第一，在关于生活费数额的调查问卷选项设计中，采用了生活费数额逐渐变多的方式。结果表明，随着生活费数额的增长，违约的风险呈现降低的趋势。与低收入学生人群相比，高收入学生人群的违约风险相对较低。
第二，在关于消费习惯的调查问卷选项设计中，采用了消费习惯逐渐超前的方式。结果表明，受访者违约风险随着消费习惯的超前而明显增加。相对而言，保守消费的学生群体则不易产生违约风险。
第三，在关于还款比重的调查问卷选项设计中，采用了每月还款额度占生活费总额比例逐步增加的方式。结果表明，随着还款额占比的增加，还款压力也逐渐增大。在模型中也发现，随着还款额占生活费比重的增加，受访者违约风险也在逐渐增加。
除此之外，大学生互联网短期贷款风险的大小也可以通过P值大小来体现，换言之，P值越大，说明大学生出现贷款风险的可能性越低。P值越小，说明出现贷款风险的可能性越高，这时互联网贷款平台就应采取合理的应对措施。
（四）调查结论
综上可知，生活费数额、消费习惯和还款比重是大学生互联网短期贷款风险的主要风险源。大学生通过互联网短期贷款平台获取贷款进行超前消费的行为与其性别、年级、院系、生活费来源等因素没有直接的关联性，因此，在进行风险管理的过程中应当着重考虑主要影响因素，采取合理有效的解决方案。
四、大学生互联网短期贷款全面风险管理解决方案
（一）建立大学生互联网短期贷款全面风险管理框架
通过完成大学生互联网短信贷款风险信息的收集以及初步识别，并在探讨出其风险源之后，就可以进行有效的结合全面风险管理理论来完善大学生互联网短期贷款全面风险管理的框架，在风险管理各个环节可采取的措施如下：
第一，在風险识别环节，政府和相关监管机构应当引导互联网贷款行业构建大学生互联网贷款信息平台，在保证大学生资信信息安全的情况下，让互联网贷款平台能够充分了解带大学生的动态状况。同时，学校也应当与政府和校园卡负责银行进行合作，将校内学生的日常消费情况、资金奖惩情况以及勤工俭学情况等关乎大学生资金流动的情况搜集起来作为征信系统的数据基础。此外，校方还可以依据这些信息针对性地开展大学生信用意识培养以及良好消费习惯的培养，而这对我国信用机制的建立也将起到有利作用。
第二，在风险评估环节，有了大学生动态信息的支撑，风险评估自然水到渠成，但考虑到大学生是个充满朝气的消费群体，可能存出现某些突发状况，比如突然增加恋爱消费，使得还款能力减弱等等。因此，针对大学生互联网短期贷款的风险评估应不仅限于贷款前评估，还应做好贷后评估，应当在大学生在突发异常消费时，对其重新进行量化评估，适时更新该大学生的风险等级，调整防控方案，以此来达到风险防控的目的。同时，还应将重新评估后的结果反馈给学校，让学校根据实际情况来进行新一轮的具有针对的消费引导性教育。
第三，在风险整合环节，虽然本文的统计分析表明生活费的来源或奖金的获得方式与大学生互联网短期贷款风险没有直接关系，但考虑到大学生可能采取勤工俭学等方式来提升自身的生活消费水平，因此，在风险整合环节也应当将这些因素纳入考虑范围，以充分挖掘可能减小其贷款风险的因素。同时，高等院校也应当鼓励大学生在不影响正常学业的情况通过正当的勤工俭学、社会兼职等课外实践来提高生活费来源，以降低大学生可能出现的互联网短期贷款风险。
在风险控制环节，应当从风险转移与风险控制两个方面入手：风险转移方面，可以引入担保公司对大学生是否可担保进行条件筛选后对风险进行平摊，在审核大学生使用互联网短期贷款的资格上再设置一道关卡。在大学生使用互联网短期贷款时，加入是否购买信用衍生产品或是否需担保公司担保的选项，一方面大学生要考虑是否能够承担多一笔费用来转移风险，另一方面在担保公司以及互联网短期贷款平台双方面的审核标准下，减少违约风险发生的几率。针对这一情况，我们特意追加了问题“是否愿意选择担保品或少量保险费的方式，以应对日后无力还款的情况”。
从调查结果来看，有68%的人愿意为转移风险而承担一定的担保费，说明这一方案有一定的接受基础，风险控制中缴纳额外担保费以转移风险的方式可以实行。
风险抑制方面，应当由专门的信用评估机构将大学生纳入个人征信系统的范畴，运用一定的评级方法，对大学生按时、足额履行相关合同的能力和意愿进行综合评价，并用简单的评级符号表示信用风险的相对大小。力求在建立征信系统以后，可供平台对学生做出更有利于平台自身的信用评级，决定其贷款额度以及利率的同时，加强大学生信用意识，积极促进个人征信体系建设。针对这一环节，我们也进行了追加调查。 从调查结果来看，结果几乎与“额外承担保险来转移风险”的调查相似，说明当代大学生对于征信系统的建设有一定的认识并且愿意为该系统的建设贡献自身力量，同时也说明当代大学生对自身消费观念、消费方式具备一定的理性。因此，建立大学生个人征信系统也具备一定的可行性。
第四，在风险监控与反馈环节，应当不定期对大学生短期贷款全面风险管理框架进行优化，以保证在与外缘环境的相互影响下，当风险识别发生变化时，整套全面风险管理系统对风险的管理能够进入更微观更细致的层面，不断提高风险评估的准确性，使评估的风险不断接近真实水平，达到风险管理的效果。
（二）大学生互联网短期贷款全面风险管理框架图
（三）理论框架与量化模型的实际应用与可行性描述
在本课题中，考虑到数据的收集是以横向收集为主，因此，此调查结论是面向该行业所得到的结论。在进行大学生互联网短期贷款全面风险管理的实际应用过程中，在评估某个大学生的互联网短期贷款风险时，应当根据时间线对各影响因素的数值进行纵向收集，以此来量化该大学生的互联网短期贷款风险。
以面向大学生群体，横向数据收集来评估整体风险，以面向大学生个人，纵向数据收集来评估个人风险，如此既能够根据整体风险来制定个人风险等级及其对应的贷款利率和贷款额度，也能根据整体风险量化数值的变化来及时的调整相对应的风险管理方案，从而达到优化大学生互联网短期贷款全面风险管理框架的目的。同时，当代大學生既愿意在进行互联网短期贷款中承担额外保费以转移风险，也愿意在大学时期提前加入个人征信系统。在政府、高等院校、相关机构以及大学生共同参与下，有了数据收集基础，再依照理论框架与量化模型，能够较好的评价大学生互联网短期信贷中个人乃至整个市场的风险。也就是说本课题中所制定的大学生互联网短期贷款全面风险管理理论框架与量化模型具备对大学生互联网短期贷款实施全面风险管理的可行性。
参考文献
[1]蔡昌达.互联网金融背景下的商业银行业务模式的创新——以高校学生贷款为例[J].金融理论与实践，2015，（08）.
[2]赵立.互联网信贷对大学生消费行为的影响[J].现代经济信息，2015，（12）.
[3]邓秀焕.大学生信贷消费市场前景分析[J].现代商业，2015，（06）.
[4]金露露，李游.互联网金融背景下大学生分期购物平台风险研究[J].淮南师范学院学报，2015，（09）.
[5]逄明亮.我国P2P网络贷款平台全面风险管理体系构建研究[D].山东大学，2015.
[6]李海鸥.论构建P2P网络借贷的全面风险管理体系[J].中国商贸，2015，（18）.
[7]季振华，郑依晴.大学生P2P网络借贷风险研究及其管理对策[J].现代经济信息，2015，（03）.