
来源 | 网络大数据
近期,一篇“90后超一半网贷”的文章引起了网络热议。看似90后的收入无法支撑他们的超前消费,然而,20多岁的90后真的比奔四的80后负债更多吗?
就此,我们抽取了苏宁金融400万个1980-1999年出生的贷款申请人作为分析样本,从多种征信数据维度来比较80后和90后的真实负债情况。
绝对负债80后更多
首先,根据人行征信报告的信贷交易明细,我们可以统计申请人不同类型的贷款个数、合同金额、未还余额等信息,贷款个数越多、余额数目越大,表示负债越重。
从上面这组数据来看,80后比90后要背负更重的债务,80后的平均贷款总余额是90后的2.15倍。
不过,两个群体的未结清贷款笔数接近,说明90后使用小额借贷产品更多。
可能你会想大多数80后都成家并买房了,会不会是房贷拉高了80后的平均欠款额?毕竟房贷一般金额较大,购房更像投资而不是普通消费。
下面,剔除房贷后再做比较。
在剔除了房贷余额之后,80后、90后的平均贷款总余额差距不仅没有变小,反而更大了,从2.15倍增加到2.51倍。
也就是说,房贷并不是造成80后负债高于90后的主要原因。真正的原因在于,80后收入相对更高,金融机构给的贷款额度更大,造成了两个群体的贷款余额差异。
90后信用卡透支比例更高
再看信用卡,作为生活中最常见也是最重要的信贷产品之一,信用卡的使用习惯能够在一定程度上体现个人的负债情况。
从绝对金额来看,80后的信用卡当前欠款额(6.73万元),差不多是90后信用卡当前欠款额(3.36万元)的2倍,主要原因在于80后工作更久,整体收入更高,银行给予他们的信用额度通常高于给90后的,因此信用卡额度使用率可能更能反映问题。数据告诉我们,90后似乎比80后更爱透支信用卡,但两个群体在这个指标上的差异并不大。
每月应还款额:80后压力山大
结合贷款和信用卡的欠款情况,可以推算出80后的人均欠款金额达到21.98万元,90后的人均欠款金额为10.45万元。2018年统计局给出的人均可支配收入为2.82万元,也就是说80后的欠款相当于他们7.8年的收入,而90后则需要3.7年的收入才可以还清欠款。
考虑到贷款多是按月分期还款,信用卡也支持账单分期,我们进一步统计了贷款和信用卡的平均每月应还款金额,可以看到,80后的贷款每月应还款金额为0.63万元,显著高于人均可支配月收入(0.24万元),90后的贷款每月应还款金额为0.28万元,相对来说是一个可以承担的数字。
相比贷款,80后和90后的最大问题在于如何按月准时还款信用卡?即便考虑到年轻人懂得合理利用信用卡的免息期,真实负债没有纸面上那么高,但数万元的月均信用卡还款额对于大多数80后90后来说并不轻松。
资金紧张程度半斤八两
个人申请新贷款和信用卡的次数,可以反映其资金紧张程度,体现在征信报告中的是报告查询记录。金融机构在审批贷款和信用卡的时候,会查询申请人的征信报告来评估风险,也就是说,查询次数和机构数越多,说明用户对资金的渴望越迫切。
人行征信报告显示,80后和90后申请贷款的次数非常接近,在信用卡申请上似乎80后比90后更积极,近2年的平均申请次数多了1.7次。
需要指出的是,80后和90后在互联网征信数据中的信贷申请机构基本相同,至少说明两个群体对网贷的需求量在同一水平。
贷款逾期次数,90后略高一筹
信贷逾期次数可以直接反映个人的还款意愿和履约能力,人行征信报告的数据表明,80后的贷款逾期次数要少于90后,但是信用卡逾期次数则高于90后。
考虑到80后平均拥有的信用卡张数要高于90后,所以发生过逾期的信用卡占比这个指标,两个群体相差不大。而90后贷款次数更少、逾期次数却更多,这一点值得注意。
总结
下面,用一张图总结本文:从人行征信报告体现的信息来看,80后欠款金额较高导致其每月还款压力更大,90后在信用卡透支率和违约次数上都要高于80后,而两个群体的资金紧张程度不相上下。
最后老生常谈,贷款还是要选择持牌机构的正规产品,不追求超前消费,年轻人透支信用就是透支未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29