信用評分管理模式(編輯修改稿)
2025-05-04 23:02 本頁面
【文章內(nèi)容簡介】 的消費者提供服務(wù)。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。其含意是雇員的誠信價值進而個人特性也能通過他們的信用得分進行評價。信用評分模型的構(gòu)建構(gòu)建信用評分模型的方法論通常包含了以下過程。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）。 緊接著，從貸款用戶、個人和/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，信用局報告）。最后，統(tǒng)計或者其他定量的分析方法應(yīng)用到這些數(shù)據(jù)上，產(chǎn)生信用評分模型。這一模型將包含應(yīng)用到不同個體用戶變量（或?qū)傩裕┥系臋?quán)重以及分割點。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。分離點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。更為準確與具體的是伴隨分類的概率同樣也可以生成。需要注意的是，對于不同的數(shù)據(jù)的細分將構(gòu)建成不同的模型。 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。 最為常用的技術(shù)是傳統(tǒng)統(tǒng)計學(xué)方法。例如， 一些最早建立的信用評分模型使用判別分析技術(shù)。 然而，判別分析需要相當嚴格的統(tǒng)計假設(shè)，這些假設(shè)在實際生活中是很少能夠滿足的。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。一些技術(shù)是以前就使用過的，但是不是相當頻繁，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。 在最近這些年里，數(shù)據(jù)挖掘技術(shù)不斷增長的應(yīng)用于構(gòu)建信用評分模型。尤其是，決策樹方法已經(jīng)變成一種建立信用評分模型的流行的技術(shù)，因為得到的決策樹是很易于解釋和形象化的。 進一步，神經(jīng)網(wǎng)絡(luò)也是普遍得到使用。這些技術(shù)在下面的文章中我們進行詳細討論。關(guān)于信用評分模型的經(jīng)驗研究包括（Lee and Jung，1999/2000）和（West，2000）。應(yīng)用數(shù)據(jù)挖掘技術(shù)進行信用評分 為了展示數(shù)據(jù)挖掘技術(shù)應(yīng)用于信用評分，考慮一信用卡提供者，他們致力于建立一個信用評分模型來預(yù)測信用卡申請者的信用風險，并把他們分為有害損失、有害利潤、良好風險三種。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。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。 ； ； ； ； ； ； 。 考慮到上面涉及到的因素，目標變量為信用風險，輸入變量為上面列出的七個變量。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。同樣，作為常規(guī)的做法，申請者所提供的所有信息都是電子化自動收集的。 信用風險模型的構(gòu)建需要建立預(yù)測性的模型技術(shù)。為此，三種數(shù)據(jù)挖掘技術(shù)是比較合適的，也就是，Logistic 回歸、神經(jīng)網(wǎng)絡(luò)和決策樹。我們在本文的例證中使用SPSS公司的 （數(shù)據(jù)挖掘軟件）。 與本文例證相關(guān)聯(lián)的數(shù)據(jù)挖掘的圖表參見圖1。需要注意的是，在圖中包含了描述與可視化以及預(yù)測性模型。進一步，關(guān)聯(lián)與聚類對于信用風險評分的應(yīng)用并不相關(guān)，因此這里并沒有涉及。關(guān)于數(shù)據(jù)的快照可以參見圖2。圖1圖2 描述與可視化結(jié)果 正如先前提及的，描述與可視化對于理解數(shù)據(jù)以及在初始建模過程中發(fā)現(xiàn)模式、趨勢以及關(guān)系是非常有用的。 在本例證中使用了幾種描述與可視化的工具。 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， 平均年收入為25580美元。另外， %的信用卡持有者持有未完結(jié)的抵押貸款。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。至于我們的目標變量——信用風險，906（%）的客戶為有害損失，2407（%
公司管理相關(guān)推薦
鄂ICP備17016276號-1