信用評(píng)分管理模式-文庫(kù)吧在線文庫(kù)
【正文】 用評(píng)分模型中。此外，信用評(píng)分能夠幫助金融機(jī)構(gòu)確定利息率，這些他們將對(duì)他們的用戶收費(fèi)并且對(duì)資產(chǎn)組合定價(jià)（Avery et al.，2000）。在這一市場(chǎng)專門金融機(jī)構(gòu)的初始成功已經(jīng)驅(qū)動(dòng)更多的金融機(jī)構(gòu)進(jìn)入次一級(jí)借貸市場(chǎng)，期望伴隨著信用評(píng)分技術(shù)的前進(jìn)而增長(zhǎng)（Perin，1998）。信用評(píng)分應(yīng)用在最近幾年里，金融機(jī)構(gòu)使用信用評(píng)分主要是針對(duì)貸款申請(qǐng)作出信用決策。例如，F(xiàn)leet金融集團(tuán)（Fleet Financial Group）在低于10萬(wàn)美元的貸款中使用信用評(píng)分。因此，前者都會(huì)被克以比較高的保險(xiǎn)費(fèi)。首先，選擇一個(gè)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(shí)間里的支付能力來確定（為了簡(jiǎn)化起見，這里僅僅使用兩分法）。 到此為止， 幾種技術(shù)已經(jīng)用于信用評(píng)分模型的構(gòu)建了。 進(jìn)一步，神經(jīng)網(wǎng)絡(luò)也是普遍得到使用。在我們建立信用評(píng)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(rùn)和良好風(fēng)險(xiǎn)。關(guān)于數(shù)據(jù)的快照可以參見圖2。 圖3在Clementine中使用散點(diǎn)圖節(jié)點(diǎn)與直方圖節(jié)點(diǎn)來可視化數(shù)據(jù)，關(guān)于年齡與年收入的散點(diǎn)圖以及直方圖展現(xiàn)了客戶年齡與收入之間的相關(guān)關(guān)系。 預(yù)測(cè)模型結(jié)果在本文是用數(shù)據(jù)挖掘技術(shù)進(jìn)行信用評(píng)分應(yīng)用的展示中，預(yù)測(cè)性建模是最為重要的分析。性別在統(tǒng)計(jì)上是不顯著的。%， 對(duì)于我們本文的例證來講也可以認(rèn)為是足夠的了。因此，依據(jù)我們的評(píng)價(jià)標(biāo)準(zhǔn)，決策樹模型是最好的（冠軍）預(yù)測(cè)模型，并且能夠用于我們對(duì)信用卡申請(qǐng)者進(jìn)行信用風(fēng)險(xiǎn)的預(yù)測(cè)。對(duì)于任何預(yù)測(cè)性模型的關(guān)鍵假設(shè)是，過去或者歷史能夠預(yù)測(cè)未來（Berry and Linoff，2000）。進(jìn)一步，信用評(píng)分的準(zhǔn)確度比較關(guān)鍵的依賴于用于購(gòu)建模型的數(shù)據(jù)與構(gòu)建得到的模型被用到的數(shù)據(jù)情況。在美國(guó)，出現(xiàn)了新的行業(yè)，他們致力于幫助借款者通過重新整理資金來提升評(píng)分（Timmons，2002），而不僅僅是遵循簡(jiǎn)單的規(guī)則：準(zhǔn)時(shí)支付賬單并且保持低額的債務(wù)。 除了上面強(qiáng)調(diào)的局限性之外，毫無疑問的是，信用評(píng)分將繼續(xù)會(huì)成為在客戶借貸中預(yù)測(cè)信用風(fēng)險(xiǎn)的主要工具。在信用評(píng)分中，用戶會(huì)抱怨信用評(píng)分是有歧視的。據(jù)報(bào)道已經(jīng)發(fā)生了類似保險(xiǎn)的新申請(qǐng)者立刻被拒絕的例子（Eldred，2002）。信用評(píng)分模型主要使用的是個(gè)人支付與信用歷史的信息數(shù)據(jù)。這可能發(fā)生主要是因?yàn)?，那些被拒絕的申請(qǐng)者可能不會(huì)包含在構(gòu)建模型的數(shù)據(jù)庫(kù)中，因此就沒有機(jī)會(huì)來確知他們的信用價(jià)值性。 從上面展示的模型的結(jié)果我們可以注意到， 神經(jīng)網(wǎng)絡(luò)模型是最為準(zhǔn)確的。 圖4 圖5（左邊部分）顯示了一個(gè)相對(duì)簡(jiǎn)單的決策樹模型，擁有九個(gè)最終節(jié)點(diǎn) （預(yù)測(cè)有害損失、有害利潤(rùn)和良好風(fēng)險(xiǎn)）和五個(gè)重要的輸入變量：年收入、年齡、子女?dāng)?shù)目、持有其他信用卡數(shù)目以及婚姻狀況。也就是說，完全準(zhǔn)確率是評(píng)價(jià)每個(gè)模型以及在模型間進(jìn)行比較的標(biāo)準(zhǔn)。其中聯(lián)系越為強(qiáng)烈的關(guān)系用更粗的線條來表示。另外， %的信用卡持有者持有未完結(jié)的抵押貸款。我們?cè)诒疚牡睦C中使用SPSS公司的 （數(shù)據(jù)挖掘軟件）。信用卡提供者傾向于在信用卡申請(qǐng)者進(jìn)行檢查時(shí)部署模型。相應(yīng)的，Logistic回歸（相對(duì)不是很嚴(yán)格）被推薦成為判別分析的替代方法。應(yīng)用到單個(gè)用戶或客戶變量的權(quán)重的總和構(gòu)成了信用得分。美國(guó)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(duì)他們的消費(fèi)者提供服務(wù)。統(tǒng)計(jì)上的證據(jù)也證明了相對(duì)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(jí)鑒定改善（Schiff，2003）。除了在個(gè)人貸款應(yīng)用上的決策之外，金融機(jī)構(gòu)現(xiàn)在也開始利用信用評(píng)分幫助設(shè)定信用限度、管理現(xiàn)金賬戶并且預(yù)測(cè)用戶與客戶的利潤(rùn)度（Punch，2000）。此外，保險(xiǎn)業(yè)應(yīng)用信用評(píng)分來使得保險(xiǎn)申請(qǐng)與續(xù)約過程更加簡(jiǎn)化有效率。作為擴(kuò)展，利潤(rùn)評(píng)分
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1