A银行个人信用卡个人信用风险影响因素研究

发布时间：2020-11-01 12:04

　　 近年来,我国商业银行个人信用卡的发卡量、授信额度、用信额不断上涨,给银行带来的收益也随之增加,逐渐成为商业银行新的利润增长点。然而我国个人信用卡业务仍然存在经营方式粗放的问题,各商业银行普遍以增加发卡量与客户数为最主要的业务考核指标,为了完成指标任务,存在简化办卡手续、提高授信额度等现象,通过降低门槛来争夺客户资源,随之产生的风险也不断多样化,这在一定程度上加大了个人信用卡的风险管理难度。本文从银行内部风险管理及持卡人的个人特征两方面出发,来研究个人信用卡的个人信用风险影响因素。本文通过对A银行的168位产生逾期情况的持卡人相关数据进行因子分析,研究该类客户的20个影响因素,得出影响信用卡个人信用风险的因素分为七类:即教育质量、生命特征、负债、还款意愿、工作情况、经济收入、固定资产,从A银行的数据统计分析中看到,个人信用卡个人信用风险影响因素分类的研究发现:教育程度越高逾期率越低;女性的逾期率远低于男性;从婚姻状况来看稳定的婚姻关系使家庭成员的信用状况更佳,未婚人士的逾期率高于已婚人士;没有签订自动扣款协议的比选择最低额扣款更容易逾期、选择全额扣款方式还款的逾期率低于选择最低额扣款还款方式的;无房产较有房产的逾期率高,房产价值低的较房产价值高的逾期率高;收入低、工作不稳定、以往信用情况不良好有逾期记录、未接电话频率越高的人,越容易逾期。建议发卡行在该业务上向教育程度高、财务状况良好、无不良信用记录这类信用风险较低的客户群体倾斜,同时对这些因素加强真实性核实,减少信息不对称引起的损失。
【学位单位】：云南大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.479
【部分图文】：

?．２１０?１００．０００??提取方法：主成分分析法。??３、确定因子个数。在表现成分特征值的碎石图中（图４．１），可以看出七个??因子之间的特征值之差比较大，而剩下的因子之间的特征值之差均比较小，可以??初步推测，提取七个因子将能概括原始观测数据的绝大部分信息。??■??２７?

表４．９反映了将变量替换为公共因子后，各个公共因子在每个因子上解度，图４．２则显示了因子丨，因子２?，因子３这三个特征值较大的因子在三间与２０个原始变量之间的关系。??４Ａ３逾期客户的因素分类??通过以上的数据分析，可以得出影响信用卡个人信用风险的因素分为七按照得分由高到低分别归纳命名为：教育质量、生命特征、负债、还款意工作情况、经济收入、固定资产。??表４．１０因子归类表??教育质量?教育程度??职称??生命特征?性别??年龄??Ｉ?

所以高学历持卡人的财务危机也就相对较小。因此，在客户群体选择上我们可以??倾向此类客户，同时，正因为这两个因素的影响大，所以应加强真实性核实，而??非单靠客户个人简单做出的说明。１６８个逾期客户的统计结果见表４．１１、图４．３；??表４．１２及图４．４，教育程度在本科以下的逾期客户占比高达９７．６％；无职称逾期??客户占比高达８１．５％。??３２??
【参考文献】

相关期刊论文 前10条

1 范静;殷丹青;;信用卡违约风险防范建议[J];合作经济与科技;2015年20期

2 叶文辉;;大数据征信机构的运作模式及监管对策——以阿里巴巴芝麻信用为例[J];国际金融;2015年08期

3 孔哲;;银行信用卡风险管理策略研究——以商业银行为例[J];时代金融;2015年15期

4 廖理;吉霖;张伟强;;借贷市场能准确识别学历的价值吗?——来自P2P平台的经验证据[J];金融研究;2015年03期

5 杨嵘;苏畅;;债券风险计量模型研究述评[J];西安石油大学学报(社会科学版);2014年05期

6 赵永强;;基于货币发展视角的信用卡风险管理分析[J];征信;2014年10期

7 方匡南;章贵军;张惠颖;;基于Lasso-logistic模型的个人信用风险预警方法[J];数量经济技术经济研究;2014年02期

8 廖理;沈红波;苏治;;如何推动中国居民的信用卡消费信贷——基于住房的研究视角[J];中国工业经济;2013年12期

9 沈红波;黄卉;廖理;;中国信用卡市场持卡人透支行为研究[J];统计研究;2013年10期

10 贺德荣;蒋白纯;;面向社会管理的个人信用评价指标体系研究和设计[J];电子政务;2013年05期

本文编号：2865506