銀行個(gè)人信用評(píng)估方法研究

國(guó)內(nèi)外信用評(píng)估狀況比較
　　目前，中國(guó)除了上海之外，其它城市還沒(méi)有專營(yíng)消費(fèi)信貸調(diào)查業(yè)務(wù)的報(bào)告機(jī)構(gòu)。年下半年，建設(shè)銀行濟(jì)南分行出臺(tái)的《個(gè)人信用等級(jí)評(píng)定辦法》在信用評(píng)估方面進(jìn)行了嘗試。該辦法對(duì)不同的指標(biāo)賦予不同的分值，對(duì)借款申請(qǐng)人的還款能力、信用狀況等做出綜合評(píng)價(jià)以決定貸款決策。隨著信貸業(yè)務(wù)的需要，國(guó)內(nèi)越來(lái)越多金融機(jī)構(gòu)以業(yè)務(wù)對(duì)象的個(gè)人信用記錄直接作決策參考，或附以一些評(píng)分方法，但畢竟以主觀經(jīng)驗(yàn)為主。而國(guó)外在信用評(píng)估方面已經(jīng)有人做了大量的工作，提出了有評(píng)分模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯分析模型等等各種評(píng)估模型，并采用了各種數(shù)學(xué)的、統(tǒng)計(jì)學(xué)的、信息學(xué)的方法，取得了一定的效果，特別是評(píng)分模型，更是成為西方發(fā)達(dá)國(guó)家信用評(píng)分事實(shí)上的標(biāo)準(zhǔn)。
　　二、常用評(píng)估方法
　　標(biāo)準(zhǔn)數(shù)理統(tǒng)計(jì)模型

……（新文秘網(wǎng)http://m.120pk.cn省略539字，正式會(huì)員可完整閱讀）……　
型假設(shè)違約概率服從累積正態(tài)分布，即
　�。ǎ┚�性判別模型
　　判別模型根據(jù)過(guò)去觀察到的借貸者的信用特征，把他們劃分成高違約風(fēng)險(xiǎn)和低違約風(fēng)險(xiǎn)類別。線性判別模型假定信用變量對(duì)這種劃分的影響是線性的。
　　數(shù)據(jù)挖掘技術(shù)
　　數(shù)據(jù)挖掘從大量數(shù)據(jù)中提取或“挖掘”知識(shí)，其任務(wù)可以分為描述和預(yù)測(cè)兩類，用于信用評(píng)估，可對(duì)客戶進(jìn)行分類、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、預(yù)測(cè)、偏差檢測(cè)等。其中多數(shù)用分類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)和預(yù)測(cè)方法進(jìn)行個(gè)人信用評(píng)估。
　　分類
　　按分析對(duì)象的屬性、特征建立不同的組類描述事物。它基于對(duì)類標(biāo)記已知的數(shù)據(jù)對(duì)象的分析，導(dǎo)出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型（或函數(shù)），用以預(yù)測(cè)類標(biāo)記未知的對(duì)象類。導(dǎo)出模式可以用分類規(guī)則、判定樹、數(shù)學(xué)公式或神經(jīng)網(wǎng)絡(luò)等形式表示。
　　關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
　　某種事物發(fā)生時(shí)其他事物會(huì)發(fā)生的一種聯(lián)系，這些規(guī)則展示屬性－值頻繁地在給定數(shù)據(jù)集中一起出現(xiàn)的條件，關(guān)聯(lián)規(guī)則形式：，即“∧∧∧∧”。
　　預(yù)測(cè)
　　把握分析對(duì)象發(fā)展的規(guī)律，對(duì)未來(lái)的趨勢(shì)作出預(yù)見(jiàn)，其表示形式與分類同。
　　三、一種基于歷史記錄規(guī)則相似性的綜合評(píng)估方法
　　由于國(guó)內(nèi)銀行業(yè)現(xiàn)有客戶記錄多數(shù)是不完整的，所以使用單一的方法進(jìn)行評(píng)估未必能體現(xiàn)客戶真實(shí)的信用歷史狀況。為了將數(shù)據(jù)挖掘技術(shù)和數(shù)理統(tǒng)計(jì)完全基于記錄本身特征并與能夠體現(xiàn)專家判斷的評(píng)分很好地結(jié)合起來(lái)，本文提出一種基于關(guān)聯(lián)規(guī)則的相似推薦方法，實(shí)現(xiàn)如下：
　　應(yīng)用粗糙集理論對(duì)歷史數(shù)據(jù)記錄進(jìn)行屬性約簡(jiǎn)及規(guī)則提取
　　粗糙集理論是數(shù)據(jù)表簡(jiǎn)化和生成最小決策算法的有效方法，可以實(shí)現(xiàn)知識(shí)約簡(jiǎn)，發(fā)現(xiàn)屬性表中的屬性依賴，從而在信息不完全環(huán)境下進(jìn)行知識(shí)發(fā)現(xiàn)，其定義如下：
　　，，，
　　其中，：信息系統(tǒng)（決策表）
　　：論域
　�。簩傩约�
　�。骸挠成�
　　：屬性值域集合
　　采用決策偏好信息的挖掘方法（參見(jiàn)文獻(xiàn)），對(duì)進(jìn)行屬性約簡(jiǎn)并提取規(guī)則，形成不同支持度和信任度決策規(guī)則集合ф→Ψ（其中代表提取的規(guī)則數(shù)量，可根據(jù)實(shí)際情況確定），且是不重復(fù)的子集，ф是條件屬性，Ψ是決策屬性，ф、Ψ∈。
　　對(duì)測(cè)試記錄與步驟提取的規(guī)則進(jìn)行相似性計(jì)算
　　相似性是某種關(guān)系強(qiáng)度的度量，可以通過(guò)數(shù)值比較來(lái)衡量（參見(jiàn)文獻(xiàn)）。因?yàn)闆Q策規(guī)則集合不能完全覆蓋所有測(cè)試記錄屬性值組合，而且決策表對(duì)象結(jié)構(gòu)相同。測(cè)試集合中的任一組合（規(guī)則）對(duì)照中進(jìn)行相似性計(jì)算，得出⒈
　　其中，：歸一化因子
　　（∑）
　�。簩傩载暙I(xiàn)因子
　�。w現(xiàn)數(shù)據(jù)特性或?qū)＜医?jīng)驗(yàn)，也可通過(guò)多種賦權(quán)綜合評(píng)價(jià)求得）
　�。ǎ阂阎l(fā)生，也在同一組發(fā)生的概率
　　多賦權(quán)綜合評(píng)價(jià)
　　對(duì)上述步驟求得參照各個(gè)規(guī)則的支持度、信任度及相似性組成一個(gè)個(gè)對(duì)象、個(gè)指標(biāo)的矩陣*。
　�。ǎ┻\(yùn)用變異系數(shù)法對(duì)進(jìn)行客觀賦權(quán)
　　此時(shí)，第個(gè) ……（未完，全文共2379字，當(dāng)前僅顯示1512字，請(qǐng)閱讀下面提示信息。收藏《銀行個(gè)人信用評(píng)估方法研究》）