淺析信用評(píng)分模型

1、淺析信用評(píng)分模型摘要本文對(duì)信用評(píng)分領(lǐng)域中主要的模型和方法做了細(xì)致的概述和優(yōu)缺點(diǎn)比較,這些模型包括判別分析模型、決策樹(shù)分析回歸分析和神經(jīng)網(wǎng)絡(luò)模型。關(guān)鍵詞信用評(píng)分判別分析模型決策樹(shù)分析回歸分析法神經(jīng)網(wǎng)絡(luò)法一、信用評(píng)分概況信用評(píng)分模型作為信用風(fēng)險(xiǎn)管理的基礎(chǔ)和核心,無(wú)論是對(duì)于建立社會(huì)征信體系還是對(duì)于金融機(jī)構(gòu)的信貸資產(chǎn)管理,都有著不可替代的作用。其主要目的,在于盡量將能夠預(yù)測(cè)借款人未來(lái)行為的指標(biāo)加以整合,并統(tǒng)一成可以比較的單一指標(biāo),以顯示借款人在未來(lái)特定時(shí)間內(nèi)違約的可能性,所有的信用評(píng)分模型,無(wú)論采用什么理論或方法,其最終目的都是將貸款申請(qǐng)者的信用級(jí)別分類(lèi)。為達(dá)到分類(lèi)目的。當(dāng)前，對(duì)個(gè)人信用評(píng)分模型的定義

2、有多種，較為權(quán)威的種觀點(diǎn)認(rèn)為:“信用評(píng)分是預(yù)測(cè)貸款申請(qǐng)人或現(xiàn)有借款人違約可能性的一種統(tǒng)計(jì)方法。”這一觀點(diǎn)指出了信用評(píng)分的作用和目的,不過(guò)隨著信用評(píng)分模型的不斷發(fā)展,信用評(píng)分已不僅是一種統(tǒng)計(jì)方法,也包含了運(yùn)籌學(xué),如數(shù)學(xué)規(guī)劃法、非線性模糊數(shù)學(xué)(如神經(jīng)網(wǎng)絡(luò)方法)等。此外,信用評(píng)分的實(shí)際操作應(yīng)用也與決策原則緊密相關(guān)，決策原則事實(shí)上決定了信用評(píng)分模型實(shí)現(xiàn)其目的和作用的程度。因此,對(duì)個(gè)人信用評(píng)分模型這一數(shù)學(xué)工具在金融和銀行業(yè)中的應(yīng)用來(lái)說(shuō),較為全面和恰當(dāng)?shù)亩x應(yīng)是,“信用評(píng)分是運(yùn)用數(shù)學(xué)優(yōu)化理論(包括統(tǒng)計(jì)方法、運(yùn)籌方法等),依照即定原則或策略(損失最小原則或風(fēng)險(xiǎn)溢價(jià)原則),在數(shù)據(jù)分析決策階段區(qū)分不同違約率水平

3、客戶(hù)的方法。二、各類(lèi)信用評(píng)分模型概述1.判別分析模型判別分析法是對(duì)研究對(duì)象所屬類(lèi)別進(jìn)行判別的一種統(tǒng)計(jì)分析方法。進(jìn)行判別分析必須已知觀測(cè)對(duì)象的分類(lèi)和若干表明觀測(cè)對(duì)象特征的變量值。判別分析就是要從中篩選出能提供較多信息變量并建立判別函數(shù)，使推導(dǎo)出的判別函數(shù)對(duì)觀測(cè)樣本分類(lèi)時(shí)的錯(cuò)判率最小。這種方法的理論基礎(chǔ)是樣本由兩個(gè)分布有顯著差異的子樣本組成，并且它們擁有共同的屬性。它起源于1936年Fisher引進(jìn)的線性判別函數(shù)，這個(gè)函數(shù)的目的是尋找一個(gè)變量的組合，把兩個(gè)擁有一些共同特征的組區(qū)分開(kāi)來(lái)。判別分析方法的優(yōu)點(diǎn):適用于二元或多元性目標(biāo)變量,能夠判斷,區(qū)分個(gè)體應(yīng)該屬于多個(gè)不同小組中的哪一組。自身也存在不可避

4、免的缺點(diǎn):該模型假設(shè)前提是自變量的分布都是正態(tài)分布的,而實(shí)踐中的數(shù)據(jù)往往不是完全的正態(tài)分布,從而導(dǎo)致統(tǒng)計(jì)結(jié)果的不可靠性。2.決策樹(shù)方法決策樹(shù)模型是對(duì)總體進(jìn)行連續(xù)的分割,以預(yù)測(cè)一定目標(biāo)變量的結(jié)果的統(tǒng)計(jì)技術(shù)。決策樹(shù)構(gòu)造的輸入是一組帶有類(lèi)別標(biāo)記的例子,構(gòu)造的結(jié)果是一棵二叉或多叉樹(shù)。構(gòu)造決策樹(shù)的方法是采用自上而下的遞歸構(gòu)造。在實(shí)際中,為進(jìn)行個(gè)人信用分析,選取個(gè)人信用作為目標(biāo)屬性，其他屬性作為獨(dú)立變量。所有客戶(hù)被劃分為兩類(lèi),即好客戶(hù)的和壞客戶(hù),將客戶(hù)信用狀況轉(zhuǎn)換為“是否好客戶(hù)”(值為1或0),而后利用數(shù)據(jù)集合來(lái)生成一個(gè)完整的決策樹(shù)。在生成的決策樹(shù)中可以建立一個(gè)規(guī)則基。一個(gè)規(guī)則基包含一組規(guī)則,每一條規(guī)則對(duì)

5、應(yīng)決策樹(shù)的一條不同路徑,這條路徑代表它經(jīng)過(guò)節(jié)點(diǎn)所表示的條件的一條鏈接。通過(guò)創(chuàng)立一個(gè)對(duì)原始祥本進(jìn)行最佳分類(lèi)判別的決策樹(shù),采用遞歸分割方法使期望誤判損失達(dá)到最小。決策樹(shù)模型的優(yōu)點(diǎn)：淺層的決策樹(shù)視覺(jué)上非常直觀，容易解釋?zhuān)粚?duì)數(shù)據(jù)的結(jié)構(gòu)和分布不需做任何假設(shè)；可以容易地轉(zhuǎn)化成商業(yè)規(guī)則。它的缺點(diǎn)在于：深層的決策樹(shù)視覺(jué)上和解釋上都比較困難；決策樹(shù)對(duì)樣本量的需求比較大；決策樹(shù)容易過(guò)分微調(diào)于樣本數(shù)據(jù)而失去穩(wěn)定性和抗震蕩性。3.回歸分析法回歸分析法是目前為止應(yīng)用最為廣泛的一種信用評(píng)分模型,這其中以著名的logistic回歸為代表。除此之外,線性回歸分析、probit回歸等方法亦屬于此類(lèi)。最早使用回歸分析的Orgler,他采用線性回歸模型制定了一個(gè)類(lèi)似于信用卡的評(píng)分卡,他的研究表明消費(fèi)者行為特征比申請(qǐng)表資料更能夠預(yù)測(cè)未來(lái)違約可能性的大小。同數(shù)學(xué)規(guī)劃方法中一樣,假設(shè)已經(jīng)通過(guò)一定的方法從樣本變量中提取出了若干指標(biāo)作為特征向量,回歸分析的思想就是將這些指標(biāo)變量擬合成為一個(gè)可以預(yù)測(cè)申請(qǐng)者違約率的被解釋變量,自然就是違約率p,回歸分析中應(yīng)用最廣泛的模型當(dāng)屬線性回歸模型,它是對(duì)大量的數(shù)據(jù)點(diǎn)中表現(xiàn)出來(lái)的數(shù)量關(guān)系模擬出一條直線，回歸分析的