京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02