信用評分管理模式(存儲版)
【正文】 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(fēng)險上在統(tǒng)計上是顯著的：年齡、年收入、子女?dāng)?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。例如，良好風(fēng)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。 因此，決策樹模型的預(yù)測性能才是最為準(zhǔn)確的，緊跟著是神經(jīng)網(wǎng)絡(luò)模型和Logistic回歸模型。 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。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(jì)狀況等未觀察到的（未測量的）特征所驅(qū)使的。這會陷入自我完成預(yù)言的風(fēng)險（Lucas，2002）。在觀察到的與未觀察到的屬性之間存在某種關(guān)系。通常，少數(shù)民族比白人申請者的信用得分低。 信用評分其中一個結(jié)果是，終端用戶出現(xiàn)在技術(shù)上變得非常依賴的可能性，他們縮減了謹(jǐn)慎判斷的需求，并且在一些特殊情況下才運(yùn)用他們的知識。這可能并不足以評價一個人的信用價值性。因而，樣本將會是有偏的（也就是不同于一般總體），其中良好的客戶大大的得到了表現(xiàn)。 但是，由于依據(jù)在構(gòu)建/訓(xùn)練數(shù)據(jù)集上的三個模型的性能是向上有偏的 （由于相同的觀察值被用于模型的構(gòu)建與模型的評估），所以需要依賴評價/檢驗(yàn)數(shù)據(jù)集來評價模型的性能是非常重要的。關(guān)于決策樹模型的一個圖形化的描述展示在圖6中。 圖4和圖5顯示了分別由Clementine中的Logistic回歸節(jié)點(diǎn)、神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)、神經(jīng)網(wǎng)絡(luò)模型以及決策樹模型的部分結(jié)果。如果聯(lián)系低于我們設(shè)置的某個門限，就不會顯現(xiàn)在網(wǎng)絡(luò)圖中（比如良好風(fēng)險與婚姻狀況）。盡管有些結(jié)果沒有顯示，仍然主要注意的是，%的客戶為女性，%為已婚。 與本文例證相關(guān)聯(lián)的數(shù)據(jù)挖掘的圖表參見圖1。假設(shè)所有的申請者都以申請表的形式提供以下的相關(guān)信息。一些技術(shù)是以前就使用過的，但是不是相當(dāng)頻繁，構(gòu)建信用評分模型包括基因算法、K最近鄰值方法、線性規(guī)劃以及專家系統(tǒng)方法。分離點(diǎn)確定了是否這個用戶或客戶應(yīng)該被分類為好的還是壞的。最后，一些企業(yè)主利用信用歷史數(shù)據(jù)以及信用得分來決定是否雇用一個可能的雇員，尤其是對那些需要處理大量金錢的雇員的職位來說更是如此。GE Capital Mortgage Corporation使用信用評分幫助他們甄別抵押保險申請表（Prakash，1995）。例如，澳大利亞與新西蘭銀行集團(tuán) （Australia and New Zealand Banking Group） 利用信用評分協(xié)助他們識別那些將接受信用的申請者， 決定申請者應(yīng)該接受的信用數(shù)量，以及當(dāng)在貸款支付過程中失敗時所應(yīng)該采取的步驟。尤其是，信用評分幫助保險公司作出關(guān)于索賠的更好的預(yù)測以及更為有效的控制風(fēng)險。與上面談到的相關(guān)，信用評分模型實(shí)現(xiàn)了次一級借貸行業(yè)的發(fā)展，在這里，次一級的消費(fèi)者具有不足的信用記錄并且不符合信用承諾與風(fēng)險。Leonard（1995） 研究了加拿大的銀行，發(fā)現(xiàn)在使用了信用評分之后，用于處理消費(fèi)貸款申請的時間由原來的九天縮短為三天。10 / 10信用評分的好處信用評分具有很多好處，不僅僅對借款者如此，對貸款者同樣如此。當(dāng)人們開始應(yīng)用信用卡的數(shù)量逐漸增長的時候，能夠自動化信用準(zhǔn)許過程的問題就變得非常急迫。關(guān)于信用評分的發(fā)展可以總結(jié)如下。 許多年來，對于提供貸款的決策都是由信用分析師來判定的。1975年在美國通過了同等信用機(jī)會法案（The Equal Credit Opportunity Acts）， 這在1976年被標(biāo)記為重要事件：法案意味著接受對信用評分來便利于借貸決策，同時保護(hù)消費(fèi)者的利息收入以防止不公平的發(fā)生率。在美國，在同等信用機(jī)會法案下， 顯著的判別變量諸如種族、 性別、宗教信仰和年齡等都不能包括在信
公司管理相關(guān)推薦
鄂ICP備17016276號-1