基于分類優(yōu)先AHP方法的商業(yè)銀行個(gè)人客戶分類信用評(píng)分模型研究.pdf

1、商業(yè)銀行面臨的風(fēng)險(xiǎn)問題，可分成三個(gè)最基本的方面：信貸方面的風(fēng)險(xiǎn)；流動(dòng)性的風(fēng)險(xiǎn)；另外還要應(yīng)對(duì)操作的風(fēng)險(xiǎn)。列于首位的信貸風(fēng)險(xiǎn)中就包括了信用風(fēng)險(xiǎn)，商業(yè)銀行的信用風(fēng)險(xiǎn)是當(dāng)前以信貸業(yè)務(wù)為主的商業(yè)銀行所面臨的最大風(fēng)險(xiǎn)。它是指借款人不能履行合同按時(shí)足額償還銀行貸款本息而使銀行資產(chǎn)遭受損失的可能性。隨著銀行業(yè)務(wù)的多樣化，與貸款類似的信用業(yè)務(wù)，如貼現(xiàn)、透支、信用證、擔(dān)保等業(yè)務(wù)所涉及的風(fēng)險(xiǎn)也成為信用風(fēng)險(xiǎn)的控制范圍。對(duì)信用風(fēng)險(xiǎn)的管理是商業(yè)銀行信貸工作的首要和

2、關(guān)鍵環(huán)節(jié)，事關(guān)銀行的生存和社會(huì)的穩(wěn)定。 針對(duì)信用風(fēng)險(xiǎn)的管理，國內(nèi)外都進(jìn)行了大量的研究，一直以來國內(nèi)大多數(shù)銀行特別是國有銀行仍然是按照行政區(qū)域來設(shè)置分支機(jī)構(gòu)，由總行、省市分行、地市行、區(qū)縣支行、分理處以及儲(chǔ)蓄所，繁沓的組織架構(gòu)加大了信用風(fēng)險(xiǎn)的管理難度。不過，近年來國內(nèi)一些銀行成功引進(jìn)了國外銀行作為戰(zhàn)略合作伙伴，增強(qiáng)了信用風(fēng)險(xiǎn)管理體系。 然而，大多數(shù)的信用風(fēng)險(xiǎn)管理都采用比較原始的方法，而現(xiàn)在逐步地將科學(xué)的定性定量的方法運(yùn)用到

3、了信用風(fēng)險(xiǎn)管理中來，例如數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，使得這些激增的數(shù)據(jù)成為了分析的關(guān)鍵。數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先所不知道的，又是潛在有用的信息和知識(shí)的過程。利用數(shù)據(jù)挖掘技術(shù)可以使銀行及時(shí)、全面、準(zhǔn)確的掌握自己客戶的各種情況，并可以根據(jù)客戶為銀行創(chuàng)造的利潤多少對(duì)客戶進(jìn)行分類，是銀行掌握同業(yè)經(jīng)營狀況和國內(nèi)、國際經(jīng)濟(jì)發(fā)展趨勢(shì)，為銀行的資源配置提供最佳方案的手段。利

4、用數(shù)據(jù)挖掘技術(shù)，商業(yè)銀行的信用風(fēng)險(xiǎn)管理逐漸從定性化走向了定量化，評(píng)價(jià)更為科學(xué)、標(biāo)準(zhǔn)，有效的防范了不良信用所產(chǎn)生的不良后果。從此，數(shù)據(jù)挖掘技術(shù)成為了信用風(fēng)險(xiǎn)管理的新寵。 本文旨在利用數(shù)據(jù)挖掘相關(guān)知識(shí)與技術(shù)，借助數(shù)據(jù)處理軟件，對(duì)真實(shí)的銀行數(shù)據(jù)源進(jìn)行處理分析，采用數(shù)據(jù)挖掘的分類和聚類技術(shù)發(fā)掘出對(duì)信用管理有用的信息，并使用改良的基于分類優(yōu)先的AHP方法對(duì)客戶進(jìn)行信用評(píng)級(jí)，確定各種指標(biāo)權(quán)重來幫助銀行決策。 本文在對(duì)商業(yè)銀行個(gè)人客戶

5、信用評(píng)分的過程中，綜合的運(yùn)用到了數(shù)據(jù)挖掘技術(shù)中的決策樹分類技術(shù)、k均值聚類技術(shù)和AHP層次分析法。并利用了數(shù)據(jù)挖掘軟件WEKA對(duì)數(shù)據(jù)進(jìn)行了各種分析，并利用MATLAB對(duì)論文中需要繁雜計(jì)算的部分做了處理，使得結(jié)果更加準(zhǔn)確，同時(shí)也提高了論文的寫作效率。首先，在分析了銀行業(yè)所面臨的風(fēng)險(xiǎn)的前提下確定了以商業(yè)銀行的個(gè)人客戶信用評(píng)分為研究對(duì)象。其次，對(duì)商業(yè)銀行個(gè)人客戶的信用評(píng)分概況進(jìn)行了深入了解，在已有的研究基礎(chǔ)之上，對(duì)評(píng)分的方法進(jìn)行了一定的改進(jìn)。

6、接著，根據(jù)對(duì)數(shù)據(jù)挖掘技術(shù)的了解，將定性和定量分析相結(jié)合，將數(shù)據(jù)進(jìn)行分類和聚類，采用了數(shù)據(jù)挖掘技術(shù)中的決策樹分類和k均值聚類的方法綜合數(shù)據(jù)的各屬性表現(xiàn)，將數(shù)據(jù)進(jìn)行初步處理，利用WEKA數(shù)據(jù)挖掘軟件對(duì)數(shù)據(jù)源進(jìn)行科學(xué)的分析，并利用MATLAB簡(jiǎn)化和精確化分析過程。然后，利用層次分析法將數(shù)據(jù)的屬性進(jìn)行權(quán)重確定，并確定各屬性分值比例，建立評(píng)分表。最后，以一個(gè)真實(shí)的銀行客戶數(shù)據(jù)為例，利用建立好的評(píng)分模型對(duì)隨機(jī)客戶進(jìn)行信用評(píng)分，再根據(jù)評(píng)分結(jié)果與原方法

7、進(jìn)行比較，最后得出客戶的信用分?jǐn)?shù)。 改良后的AHP方法是在采用傳統(tǒng)AHP方法前，利用數(shù)據(jù)挖掘的分類和聚類技術(shù)對(duì)數(shù)據(jù)源進(jìn)行比較深入的處理，將數(shù)據(jù)源進(jìn)行細(xì)分，也就是將客戶進(jìn)行細(xì)分，采用數(shù)據(jù)挖掘的分類和聚類技術(shù)，將數(shù)據(jù)源分成k個(gè)簇以后，根據(jù)各簇的情況，再具體制定各簇將采用的指標(biāo)類別評(píng)分標(biāo)準(zhǔn)，適合于k個(gè)簇的k種分類歸納、指標(biāo)權(quán)重，最后建立k個(gè)信用行為評(píng)分表。這樣做保證了對(duì)數(shù)據(jù)源具體問題具體分析，例如某個(gè)簇A指標(biāo)比B指標(biāo)顯得更加重要，但由

8、這種統(tǒng)一的評(píng)分標(biāo)準(zhǔn)建立的判斷矩陣不一定是適合所有的數(shù)據(jù)的，或許另一個(gè)簇中根據(jù)各種情況綜合分析后B指標(biāo)比A指標(biāo)的重要性更加顯著的話，這樣建立的信用評(píng)分表就不能準(zhǔn)確的反映現(xiàn)實(shí)社會(huì)，只是理論上的簡(jiǎn)單實(shí)現(xiàn)而已。而對(duì)具體的簇進(jìn)行具體的分析，雖然工作量加大，計(jì)算過程更加復(fù)雜，但是最終的結(jié)果可以跟實(shí)際的狀況更加吻合，使得理論與實(shí)際聯(lián)系更加緊密。 銀行客戶的原始數(shù)據(jù)是沒有任何評(píng)價(jià)和分類的，本文采用的數(shù)據(jù)源是德意志銀行的客戶信息，本文首先采用決策

9、樹C4.5算法對(duì)數(shù)據(jù)源進(jìn)行分類，此分類旨在根據(jù)各數(shù)據(jù)項(xiàng)的屬性來判斷信用好壞，初步給出該數(shù)據(jù)源包含的若干個(gè)數(shù)據(jù)項(xiàng)中的信用好壞，對(duì)于壞的信用評(píng)價(jià)這里不再細(xì)分，對(duì)于信用評(píng)價(jià)好的客戶再采用聚類的k—means算法進(jìn)行細(xì)分，將具有良好信用的客戶再根據(jù)屬性所描述的情況進(jìn)行聚類，擬聚類出三個(gè)簇，然后對(duì)這三個(gè)簇進(jìn)行具體的分析，對(duì)各指標(biāo)進(jìn)行具體的評(píng)分標(biāo)準(zhǔn)制定，建立適合于本簇的判斷矩陣，再進(jìn)行各自的分類歸納，最后確定指標(biāo)權(quán)重，建立信用行為評(píng)分模型。

10、 總體來看，本文的創(chuàng)新之處主要?dú)w結(jié)于以下幾點(diǎn)： (1)研究角度的創(chuàng)新，本文針對(duì)目前我國商業(yè)銀行在個(gè)人客戶方面的信用風(fēng)險(xiǎn)的情況，從銀行的角度選擇對(duì)個(gè)人客戶進(jìn)行信用評(píng)分作為研究對(duì)象，著重對(duì)我國商業(yè)銀行怎樣更有效的規(guī)避個(gè)人客戶的信用風(fēng)險(xiǎn)進(jìn)行了研究。 (2)AHP方法的創(chuàng)新，本文采用將數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)的AHP層次分析法相結(jié)合的方式，對(duì)客戶數(shù)據(jù)進(jìn)行多層次篩選和分析。這樣避免了對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一的標(biāo)準(zhǔn)確定，能讓分析結(jié)果更為準(zhǔn)確和貼近實(shí)

11、際，能更有效的幫助銀行進(jìn)行更加科學(xué)合理的決策。 (3)將科學(xué)的定量方法用于銀行的決策系統(tǒng)當(dāng)中，采用數(shù)據(jù)挖掘技術(shù)將客戶的信用分析推向了更加科學(xué)更加準(zhǔn)確的高度。 (4)改良的AHP方法，又名分類優(yōu)先AHP方法，傳統(tǒng)的AHP方法是將所有數(shù)據(jù)納入一個(gè)規(guī)則考慮，分類優(yōu)先AHP方法則先將數(shù)據(jù)源進(jìn)行歸類，根據(jù)不同類的簇再依據(jù)各簇的具體情況分別確定各權(quán)重標(biāo)準(zhǔn)，例如，年齡段，超過40歲的個(gè)體和未滿30歲的個(gè)體，在教育程度的權(quán)重確定上，就應(yīng)

12、該有區(qū)別，超過40歲的個(gè)體普遍教育程度比未滿30歲的個(gè)體低，但是在經(jīng)濟(jì)承受能力上卻有顯著的差異，這種情況就應(yīng)該分類考慮。這僅僅是一個(gè)舉例，在分類和聚類的算法和理論上不會(huì)這樣單一。 (5)在將數(shù)據(jù)采用數(shù)據(jù)挖掘技術(shù)進(jìn)行加工以后，還采用了層次分析法對(duì)影響數(shù)據(jù)的各要素進(jìn)行了分析，并對(duì)數(shù)據(jù)的各個(gè)屬性進(jìn)行了明確評(píng)分，根據(jù)該評(píng)分可以對(duì)客戶進(jìn)行信用評(píng)分得出具體的分值，便于銀行做出更科學(xué)化的決策。 通過本文的研究，對(duì)我國商業(yè)銀行的個(gè)人客戶