信用評分管理-預(yù)覽頁
【正文】 助，金融機構(gòu)在很短時間里能夠量化提供特別申請者與信用關(guān)聯(lián)的風險。 此外，信用評分能夠幫助金融機構(gòu)確定利息率，這些他們將對他們的用戶收費并且對資產(chǎn)組合定價（ Avery et al.， 20xx）。作為擴展，利潤評分則能用于在一系列產(chǎn)品中最大化利潤（ Thomas， 20xx）。在這一市場專門 金融機構(gòu)的初始成功已經(jīng)驅(qū)動更多的金融機構(gòu)進入次一級借貸市場，期望伴隨著信用評分技術(shù)的前進而增長（ Perin， 1998）。此外，保險業(yè)應(yīng)用信用評分來使得保險申請與續(xù)約過程更加簡化有效率。 信用評分應(yīng)用 在最近幾年里，金融機構(gòu)使用信用評分主要是針對貸款申請作出信用決策。除了在個人貸款應(yīng)用上的決策之外，金融機構(gòu)現(xiàn) 中國最大的資料庫下載 中國最大的資料庫下載 在也開始利用信用評分幫助設(shè)定信用限度、管理現(xiàn)金賬戶并且預(yù)測用戶與客戶的利潤度（ Punch， 20xx）。例如， Fleet 金融集團（ Fleet Financial Group）在低于 10 萬美元的貸款中使用信用評分。統(tǒng)計上的證據(jù) 也證明了相對損失比率（關(guān)于索賠頻率與成本的函數(shù)）減少而信用等級鑒定改善（ Schiff， 20xx）。因此，前者都會被克以比較高的保險費。美國的一些公共事業(yè)提供者同樣也應(yīng)用信用得分決定是否對他們的消費者提供服務(wù)。首先，選擇一個以前客戶的樣本并且將他們分類成好與壞，主要依賴在一段給定時間里的支付能力來確定（為了簡化起見，這里僅僅使用兩分法）。應(yīng)用到單個用戶或客戶變量的權(quán)重的總和構(gòu)成了信用得分。 到此為止， 幾種技術(shù)已經(jīng)用于信用評分模型的構(gòu)建了。相應(yīng)的， Logistic 回歸（相對不是很嚴格）被推薦成為判別分析的替代方法。 進一步，神經(jīng)網(wǎng)絡(luò)也是普遍得到使用。信用卡提供者傾向于在信用卡申請者進行檢查時部署模型。在我們建立信用評分模型之前，信用卡提供者把代表性樣本中的 4117 一年期信用卡持有者用戶分成三類：有害損失、有害利潤和良好風險。我們在本文的例證中使用 SPSS 公司的 （數(shù)據(jù)挖掘軟件）。關(guān)于數(shù)據(jù)的快照可以參見圖 2。 例如，在 Clementine中由統(tǒng)計節(jié)點生成的描述統(tǒng)計量，展示了在樣本中，平均年齡為 ， 平均年收入為 25580 美元，家庭平均擁有子女數(shù)目為 個。這些描述性結(jié)果顯然有助于我們理解數(shù)據(jù)（也就是信用卡申請者與持有者）。最后，利用 Clementine 中的網(wǎng)絡(luò)節(jié)點可以繪制出反映性別、婚姻狀況、抵押貸款狀況與信用風險的聯(lián)系（見圖 3 下半部分）。正如早前提及的，描述與可視化對于建模來講是有用的。為了簡化，我們假設(shè)模型的完全準確率是衡量各個預(yù)測性模型的主要的性能指標。 另外，正如圖 4 左下部分所顯示的，以下所列的輸入變量在預(yù)測信用風險上在統(tǒng)計上是顯著的：年齡、年收入、子女數(shù)目、其他信用卡持有情況、婚姻狀況、是否持有未完結(jié)的抵押貸款。對于我們本文的例證來講可以認為是足夠的了。例如，良好風險信用卡持有者可能是那些年收入高于 25049 美元并且不超過一個子女的信用卡客戶以及那些收入雖然低于 25049 美元但是 39 歲以上且單身的信用卡持有者。神經(jīng)網(wǎng)絡(luò)的完全準確率為 %，同樣對于我們本文的例證來講也可以認為是足夠的了。 因此，決策樹模型的預(yù)測性能才是最為準確的，緊跟著是神經(jīng)網(wǎng)絡(luò)模型和 Logistic 回歸模型。當構(gòu)建信用評分模型是可能產(chǎn)生的一個主要的問題時，模型可能建立在一個有偏的已獲信用準許的用戶或客戶樣本數(shù)據(jù)基礎(chǔ)上（ Hand， 20xx）。 建立信用評分模型時可能產(chǎn)生的第二個問題是，隨著時間的過去，模式在發(fā)生變化。 另一個在預(yù)測性模型中比較流行的問題是，模型中重要變量或?qū)傩缘娜笔В?Avery et al.,20xx）。但是，信用違約可能是由那些諸如雇用狀況和現(xiàn)在的經(jīng)濟狀況等未觀 察到的（未測量的）特征所驅(qū)使的。然而，那些擁有還沒有收集到任何信用活動的新的申請者的債權(quán)人可能就不能夠使用信用評分來評價這些客戶的信用價值。這會陷入自我完成預(yù)言的風險（ Lucas， 20xx）。但是，當存在與種族和收入高度關(guān)聯(lián)的信用信息的其他的屬性是這是不可避免的。在觀察到的與未觀察到的屬性之間存在某
公司管理相關(guān)推薦
鄂ICP備17016276號-1