数据挖掘技术在信用评分中的应用研究_宋云鹏

《数据挖掘技术在信用评分中的应用研究_宋云鹏》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年第10期总第177期征信CＲEDITＲEFEＲENCENo．102013SerialNO．177欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟数据挖掘技术在信用评分中的应用研究宋云鹏3，武钰1，2，3(1．北京大学光华管理学院博士后流动站，北京100871;2．中国社会科学院金融研究所博士后流动站，北京100732;3．中国华融资产管理股份有限公司博士后科研工作站，北京100033)摘要:目前，数据挖掘技术在信用评分领域的应用已较成熟，但因缺乏对数据挖掘实际操作技术

2、及其问题的研究，常难以获得理想的挖掘效果。梳理数据挖掘的操作流程，归纳总结数据挖掘的关键点，借助个案解析数据挖掘中常见的技术问题及数据挖掘技术的局限性，以期为利用数据挖掘技术进行信用评分提供技术支持。关键词:信用风险;信用信息;信用评分模型;数据挖掘中图分类号:F832．4文献标志码:A文章编号:1674－747X(2013)10－0024－05信用风险是影响金融机构稳健性的重要风险，判别式模型主要利用的是统计学中的判别分析金融的高速发展使金融机构信用风险管理的难度越方法，由Durand(1941)。对这一模型较具代［［］引

3、入1来越大。信用评分作为重要的信用风险事前管理手表性的研究包括:BillFair和EarlIsaacs于1958年段，对金融机构提高自身信用风险管理水平、提升信在美国第一次较为完整地采用判别分析法建立了实用风险管理决策的科学性、实现更高的信用管理效用的信用评分系统;］进一MyersandForgy(1963)［2步对判别式模型在特定领域的应用做了实证分析;益起着重要的作用。由于信用评分模型的构建需要对大量数据进行分析处理，并将之转换为各类信息，Altman(1968)“Z-［］在总结该模型的基础上，提出了“Z-3Score”

4、判别分析模型，成为该类方法中最为完善和使得信息技术领域中的热点———大数据和数据挖掘技术的应用成为信用评分领域的主流趋势应用广泛的模型。判别分析模型的主要问题在于其。一、信用评分模型及其理论分析对要利用的条件分布密度函数要求非常严格，该函数必须为多元正态分布，而现实情形往往无法满足一般意义上，信用评分是将信用申请者的相关这一条件，这严重限制了该模型的应用。指标数据通过一定的计算过程统一为可以比较的单数学规划法由Mangasarian(1965)］引入信用［44一指标，即信用分数，以此来反映申请者在未来一段评分领域，其思路是将

5、信用评分的分类问题转化成时间内违约的可能性。沿着这一框架，信用评分模一个带有不等式约束的最优化问题，根据相应的求型主要包括以下四类:判别式模型、数学规划模型解方法求得最优解。之后，FreedandGlover、回归分析模型、数据挖掘模型，前三类模型主要依据(1981)］对此方法进行了规范，并研究了其在实际［5统计学、运筹学与计量经济学的相关概念和原理，数中的应用。虽然数学规划法思路较为简明，但在变据挖掘模型则是伴随着计算机和数据库技术的发量数较多的情况下求解将变得非常复杂，而信用评展，将机器学习、人工智能和模式识别技术在数据

6、处分问题中通常均会涉及大量因素，变量数一般都在理方面的优势引入信用评分的跨领域创新。下面我十几个甚至几十个以上，这使得利用此模型的求解们对各类模型的思路和不足进行简要分析成为近乎不可能完成的任务，成为数学规划法在信。收稿日期:2013－08－10作者简介:宋云鹏(1982－)，男，河北张家口人，管理学博士，主要研究方向为国际金融、金融工程与金融风险;武钰(1978－)，女，河北石家庄人，经济学博士，主要研究方向为风险管理、信用评级及金融监管。·24·【理论研究】宋云鹏，武钰数据挖掘技术在信用评分中的应用研究用评级应用中的一个

7、重大限制个单一的模型，涉及的应用环境更加复杂，而且随着。回归分析法是由Orgler(］采用线性回归1970)［6数据的积累，经济环境的发展变化，模型需要经常进模型制定了一个评分卡来预测违约概率而进入信用行更新，但这在国内却难以实现。再次，金融机构的评分领域的。回归分析方法通过从样本变量中提取信用评分模型除完成单一的评分功能外，经常还被用出若干指标作为特征向量，并将这些指标变量拟合作金融机构众多决策的参考工具，如可用于分析不同成为一个可以预测申请者违约率的被解释变量，也相关应用中合同条款的设计对被评分人行为的影响就是违约率。目

8、前基于logistic回归的信用评分系等。加上现实中我国金融机构构建信用评分系统，大统是信用评分领域应用最为普遍的方法部分需要与外部专业机构合作，利用SAS、SPSS等公。近些年，计算机领域的人工智能、数据库、数据司的数据挖掘软件及专业力量完成系统的构建。但挖掘等与信用评分相关的新技术取得