信用評(píng)分管理模式(完整版)
【正文】 則能用于在一系列產(chǎn)品中最大化利潤(rùn)（Thomas，2000）。憑借信用評(píng)分的幫助，金融機(jī)構(gòu)在很短時(shí)間里能夠量化提供特別申請(qǐng)者與信用關(guān)聯(lián)的風(fēng)險(xiǎn)。同時(shí)對(duì)于這方面的關(guān)注也開(kāi)始從減少貸款應(yīng)用的拖欠轉(zhuǎn)向了從客戶獲利方面的增長(zhǎng)（Thomas，2000）。在二十世紀(jì)六十年代，伴隨著信用卡的誕生，銀行與其他信用卡發(fā)行組織意識(shí)到了信用評(píng)分的優(yōu)勢(shì)。信用評(píng)分的目的是幫助信用提供者量化和管理包含在提供信用中的金融風(fēng)險(xiǎn)，以便于他們能夠更好的而且更為客觀的作出借貸決策。在第二次世界大戰(zhàn)期間由于缺乏信用分析師，許多機(jī)構(gòu)要求分析師們寫(xiě)下他們用于評(píng)價(jià)申請(qǐng)貸款者的信用狀況的評(píng)判規(guī)則（Johnson，1992）。在二十世紀(jì)八十年代， 對(duì)信用卡的信用評(píng)分的成功促使銀行開(kāi)始使用信用評(píng)分用于其它的目的（比如個(gè)人貸款申請(qǐng)）。只有本質(zhì)上是非判別性的信息和那些被證實(shí)為對(duì)支付能力有預(yù)測(cè)性的信息才能包括在模型之中。高風(fēng)險(xiǎn)用戶將被提供更高的利息率，反之亦然。最后，由于技術(shù)方面的發(fā)展，更為智能的信用評(píng)分模型得到了發(fā)展。然而，在過(guò)去的25年里，信用評(píng)分的應(yīng)用從制定信用決策開(kāi)始向?qū)εc住房、保險(xiǎn)、基礎(chǔ)公共事業(yè)服務(wù)甚至就業(yè)等方面制定決策轉(zhuǎn)移。信用評(píng)分模型同樣也用于保險(xiǎn)行業(yè)中（例如抵押以及汽車保險(xiǎn)），用于對(duì)新保險(xiǎn)政策的申請(qǐng)以及現(xiàn)存政策的更新做出決策。信用信息同樣也用于在一項(xiàng)保險(xiǎn)政策的條件下評(píng)價(jià)一個(gè)消費(fèi)者的責(zé)任性以及行為。 緊接著，從貸款用戶、個(gè)人和/或商業(yè)信用記錄以及可以獲得其它不同的資源那里收集數(shù)據(jù)（比如，信用局報(bào)告）。 最為常用的技術(shù)是傳統(tǒng)統(tǒng)計(jì)學(xué)方法。這些技術(shù)在下面的文章中我們進(jìn)行詳細(xì)討論。同樣，作為常規(guī)的做法，申請(qǐng)者所提供的所有信息都是電子化自動(dòng)收集的。圖1圖2 描述與可視化結(jié)果 正如先前提及的，描述與可視化對(duì)于理解數(shù)據(jù)以及在初始建模過(guò)程中發(fā)現(xiàn)模式、趨勢(shì)以及關(guān)系是非常有用的。需要注意的是，在圖表中我們使用了信用風(fēng)險(xiǎn)狀況這個(gè)變量來(lái)交疊，反映目標(biāo)變量的相關(guān)的可視化結(jié)果。特別的，Logistic回歸、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)都能夠用于購(gòu)建信用評(píng)分模型。關(guān)于模型的詳細(xì)的結(jié)果匯總在圖4的右邊。 圖5最后，圖5顯示了神經(jīng)網(wǎng)絡(luò)模型，在模型中輸入層有九個(gè)神經(jīng)元 （也就是四個(gè)連續(xù)變量和三個(gè)分類變量），隱含層有三個(gè)神經(jīng)元，輸出層有三個(gè)神經(jīng)元（也就是風(fēng)險(xiǎn)狀況——有害損失、有害利潤(rùn)、良好風(fēng)險(xiǎn)）。但是同樣要注意的是，決策樹(shù)模型比較容易解釋， 就如在圖6中所反映的簡(jiǎn)單的規(guī)則證實(shí)的一樣。對(duì)于信用評(píng)分，這就意味著過(guò)去的那些隨后被分成好與壞債權(quán)人的申請(qǐng)者的特征能夠用于預(yù)測(cè)新的申請(qǐng)者的信用狀況。同樣，信用評(píng)分報(bào)告中流行的錯(cuò)誤既會(huì)使得客戶處于損失狀態(tài)，而且也使得信用提供者處于金融風(fēng)險(xiǎn)中（Collins，2003）。如此的得分“打磨”行動(dòng)可能扭曲信用違約的模式。需要正視的是，適當(dāng)?shù)厥褂眯庞迷u(píng)分的企業(yè)組織將贏得重要的戰(zhàn)略優(yōu)勢(shì)以及超過(guò)競(jìng)爭(zhēng)對(duì)手的競(jìng)爭(zhēng)優(yōu)勢(shì)。但是，當(dāng)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。然而，那些擁有還沒(méi)有收集到任何信用活動(dòng)的新的申請(qǐng)者的債權(quán)人可能就不能夠使用信用評(píng)分來(lái)評(píng)價(jià)這些客戶的信用價(jià)值。 另一個(gè)在預(yù)測(cè)性模型中比較流行的問(wèn)題是，模型中重要變量或?qū)傩缘娜笔Вˋvery et al.,2000）。當(dāng)構(gòu)建信用評(píng)分模型是可能產(chǎn)生的一個(gè)主要的問(wèn)題時(shí)，模型可能建立在一個(gè)有偏的已獲信用準(zhǔn)許的用戶或客戶樣本數(shù)據(jù)基礎(chǔ)上（Hand，2001）。%，同樣對(duì)于我們本文的例證來(lái)講也可以認(rèn)為是足夠的了。對(duì)于我們本文的例證來(lái)講可以認(rèn)為是足夠的了。為了簡(jiǎn)化，我們假設(shè)模型的完全準(zhǔn)確率是衡量各個(gè)預(yù)測(cè)性模型的主要的性能指標(biāo)。最后，利用Clementine中的網(wǎng)絡(luò)節(jié)點(diǎn)可以繪制出反映性別、婚姻狀況、抵押貸款狀況與信用風(fēng)險(xiǎn)的聯(lián)系（見(jiàn)圖3下半
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1