近年來,我國商業(yè)銀行個(gè)人信用卡的發(fā)卡量、授信額度、用信額不斷上漲,給銀行帶來的收益也隨之增加,逐漸成為商業(yè)銀行新的利潤增長點(diǎn)。然而我國個(gè)人信用卡業(yè)務(wù)仍然存在經(jīng)營方式粗放的問題,各商業(yè)銀行普遍以增加發(fā)卡量與客戶數(shù)為最主要的業(yè)務(wù)考核指標(biāo),為了完成指標(biāo)任務(wù),存在簡化辦卡手續(xù)、提高授信額度等現(xiàn)象,通過降低門檻來爭奪客戶資源,隨之產(chǎn)生的風(fēng)險(xiǎn)也不斷多樣化,這在一定程度上加大了個(gè)人信用卡的風(fēng)險(xiǎn)管理難度。本文從銀行內(nèi)部風(fēng)險(xiǎn)管理及持卡人的個(gè)人特征兩方面出發(fā),來研究個(gè)人信用卡的個(gè)人信用風(fēng)險(xiǎn)影響因素。本文通過對(duì)A銀行的168位產(chǎn)生逾期情況的持卡人相關(guān)數(shù)據(jù)進(jìn)行因子分析,研究該類客戶的20個(gè)影響因素,得出影響信用卡個(gè)人信用風(fēng)險(xiǎn)的因素分為七類:即教育質(zhì)量、生命特征、負(fù)債、還款意愿、工作情況、經(jīng)濟(jì)收入、固定資產(chǎn),從A銀行的數(shù)據(jù)統(tǒng)計(jì)分析中看到,個(gè)人信用卡個(gè)人信用風(fēng)險(xiǎn)影響因素分類的研究發(fā)現(xiàn):教育程度越高逾期率越低;女性的逾期率遠(yuǎn)低于男性;從婚姻狀況來看穩(wěn)定的婚姻關(guān)系使家庭成員的信用狀況更佳,未婚人士的逾期率高于已婚人士;沒有簽訂自動(dòng)扣款協(xié)議的比選擇最低額扣款更容易逾期、選擇全額扣款方式還款的逾期率低于選擇最低額扣款還款方式的;無房產(chǎn)較有房產(chǎn)的逾期率高,房產(chǎn)價(jià)值低的較房產(chǎn)價(jià)值高的逾期率高;收入低、工作不穩(wěn)定、以往信用情況不良好有逾期記錄、未接電話頻率越高的人,越容易逾期。建議發(fā)卡行在該業(yè)務(wù)上向教育程度高、財(cái)務(wù)狀況良好、無不良信用記錄這類信用風(fēng)險(xiǎn)較低的客戶群體傾斜,同時(shí)對(duì)這些因素加強(qiáng)真實(shí)性核實(shí),減少信息不對(duì)稱引起的損失。
【學(xué)位單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F832.479
【部分圖文】：

?．２１０?１００．０００??提取方法：主成分分析法。??３、確定因子個(gè)數(shù)。在表現(xiàn)成分特征值的碎石圖中（圖４．１），可以看出七個(gè)??因子之間的特征值之差比較大，而剩下的因子之間的特征值之差均比較小，可以??初步推測，提取七個(gè)因子將能概括原始觀測數(shù)據(jù)的絕大部分信息。??■??２７?

表４．９反映了將變量替換為公共因子后，各個(gè)公共因子在每個(gè)因子上解度，圖４．２則顯示了因子丨，因子２?，因子３這三個(gè)特征值較大的因子在三間與２０個(gè)原始變量之間的關(guān)系。??４Ａ３逾期客戶的因素分類??通過以上的數(shù)據(jù)分析，可以得出影響信用卡個(gè)人信用風(fēng)險(xiǎn)的因素分為七按照得分由高到低分別歸納命名為：教育質(zhì)量、生命特征、負(fù)債、還款意工作情況、經(jīng)濟(jì)收入、固定資產(chǎn)。??表４．１０因子歸類表??教育質(zhì)量?教育程度??職稱??生命特征?性別??年齡??Ｉ?

所以高學(xué)歷持卡人的財(cái)務(wù)危機(jī)也就相對(duì)較小。因此，在客戶群體選擇上我們可以??傾向此類客戶，同時(shí)，正因?yàn)檫@兩個(gè)因素的影響大，所以應(yīng)加強(qiáng)真實(shí)性核實(shí)，而??非單靠客戶個(gè)人簡單做出的說明。１６８個(gè)逾期客戶的統(tǒng)計(jì)結(jié)果見表４．１１、圖４．３；??表４．１２及圖４．４，教育程度在本科以下的逾期客戶占比高達(dá)９７．６％；無職稱逾期??客戶占比高達(dá)８１．５％。??３２??
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范靜;殷丹青;;信用卡違約風(fēng)險(xiǎn)防范建議[J];合作經(jīng)濟(jì)與科技;2015年20期

2 葉文輝;;大數(shù)據(jù)征信機(jī)構(gòu)的運(yùn)作模式及監(jiān)管對(duì)策——以阿里巴巴芝麻信用為例[J];國際金融;2015年08期

3 孔哲;;銀行信用卡風(fēng)險(xiǎn)管理策略研究——以商業(yè)銀行為例[J];時(shí)代金融;2015年15期

4 廖理;吉霖;張偉強(qiáng);;借貸市場能準(zhǔn)確識(shí)別學(xué)歷的價(jià)值嗎?——來自P2P平臺(tái)的經(jīng)驗(yàn)證據(jù)[J];金融研究;2015年03期

5 楊嶸;蘇暢;;債券風(fēng)險(xiǎn)計(jì)量模型研究述評(píng)[J];西安石油大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2014年05期

6 趙永強(qiáng);;基于貨幣發(fā)展視角的信用卡風(fēng)險(xiǎn)管理分析[J];征信;2014年10期

7 方匡南;章貴軍;張惠穎;;基于Lasso-logistic模型的個(gè)人信用風(fēng)險(xiǎn)預(yù)警方法[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2014年02期

8 廖理;沈紅波;蘇治;;如何推動(dòng)中國居民的信用卡消費(fèi)信貸——基于住房的研究視角[J];中國工業(yè)經(jīng)濟(jì);2013年12期

9 沈紅波;黃卉;廖理;;中國信用卡市場持卡人透支行為研究[J];統(tǒng)計(jì)研究;2013年10期

10 賀德榮;蔣白純;;面向社會(huì)管理的個(gè)人信用評(píng)價(jià)指標(biāo)體系研究和設(shè)計(jì)[J];電子政務(wù);2013年05期

本文編號(hào)：2865506