程玉勝，鄒海歡

（安慶師范大學(xué)計(jì)算機(jī)與信息學(xué)院，安徽安慶246133）

從近幾年國家統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)來看，商業(yè)銀行總資產(chǎn)與同期相比持續(xù)增長，貸款業(yè)務(wù)作為銀行資產(chǎn)主要組成部分也在增多，同時(shí)貸款行為要承擔(dān)的風(fēng)險(xiǎn)也在增加。因此，怎樣消除和降低信用風(fēng)險(xiǎn)，就成為銀行管理的重中之重。本文提出在RFM（Recency,Frequency,Monetary）模型的基礎(chǔ)上，將其與隨機(jī)森林算法相結(jié)合，用于信用風(fēng)險(xiǎn)評估并與其他算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果顯示這一模型在銀行信用風(fēng)險(xiǎn)評估中是有效的。

1 RFM模型及其重構(gòu)

傳統(tǒng)RFM模型主要是通過“近期購買行為(Recency)”、“購買的總體頻率(Frequency)”和“購買金額(Monetary)”將客戶劃分成一定的等分，計(jì)算出客戶的RFM得分，得分越高的顧客其價(jià)值就越大，然后利用客戶得分構(gòu)建金字塔，劃分客戶等級，把這種分級策略理解為市場營銷中客戶劃群的思想。

在這一模型的基礎(chǔ)上重新定義RFM，即根據(jù)銀行數(shù)據(jù)特點(diǎn)，將RFM分別賦予新的含義，R指最近還款金額，還款金額越多的客戶其信用狀況越好；F指一段時(shí)間內(nèi)違約的次數(shù)，利用某時(shí)間段內(nèi)客戶的還款行為對其信用做一個(gè)大概的檢測；M指在某一時(shí)間段客戶的賬戶余額情況，余額越多，表示客戶還款的能力和可能性越高。通過新型RFM重構(gòu)，將RFM模型篩選出的特征再次運(yùn)用于銀行貸款客戶分析當(dāng)中。

首先，采用常用的數(shù)據(jù)分析方法，如貝葉斯分類方法、決策樹算法、隨機(jī)森林算法等，找出原始數(shù)據(jù)集相關(guān)的重要屬性；然后，借助于客戶劃群的思想，對銀行數(shù)據(jù)集進(jìn)行數(shù)據(jù)重構(gòu)；最后，利用對應(yīng)的算法對重構(gòu)后的RFM模型數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)評估。重建策略主要包括：

第一步：確定各個(gè)指標(biāo)的權(quán)重，將最重要的3個(gè)變量按其重要性排序分別記為M，F(xiàn)，R；

第二步：設(shè)定某一標(biāo)準(zhǔn)，將數(shù)據(jù)劃分：

（1）R≥A2為R1，A1＜R≤A2為R2，R＜A1為R3；

（2）F＜X1為F1，X1≤F＜X2為F2，F(xiàn)≥X2為F3；

（3）M≥B2為M1，B1≤M＜B2為M2，M＜B1為M3。

其中，Ai、Bi、Xi表示數(shù)據(jù)的范圍，可以由專家指定，也可以通過聚類算法進(jìn)行相應(yīng)設(shè)定。

通過上述重建，接下來采用相應(yīng)的數(shù)據(jù)分析方法進(jìn)行模型挖掘，本文采用隨機(jī)森林對重建后的數(shù)據(jù)進(jìn)行分析。

2 隨機(jī)森林

隨機(jī)森林是一種降維的方法，多應(yīng)用于數(shù)據(jù)值缺失、異常情況或探索其他數(shù)據(jù)時(shí)，尤其是在預(yù)防或降低信用風(fēng)險(xiǎn)中具有很好的適用性及優(yōu)越性。蕭超武等創(chuàng)造性地將隨機(jī)森林組合分類算法用于個(gè)人信用評估模型，實(shí)驗(yàn)證明，這種分類器模型在預(yù)測個(gè)人信用評估時(shí)具有更高的精確性和穩(wěn)定性[1]。李進(jìn)構(gòu)建了基于隨機(jī)森林算法的綠色信貸信用風(fēng)險(xiǎn)評估模型，結(jié)果表明，該評估模型實(shí)現(xiàn)速度更快、評估準(zhǔn)確率更高，較為有效地提升了評估效率[2]。李泉通過引入ROC曲線對基于隨機(jī)森林的個(gè)人信用評估模型進(jìn)行評估，發(fā)現(xiàn)隨機(jī)森林的準(zhǔn)確率和穩(wěn)定性都要優(yōu)于logistic回歸和支持向量機(jī)[3]。因此本文選擇隨機(jī)森林的方法作為風(fēng)險(xiǎn)評估的分析工具。隨機(jī)森林能夠處理大量的輸入變量，并根據(jù)它自帶的feature importance對特征進(jìn)行篩選，進(jìn)行特征的重要性度量，選擇重要性較高的特征。

3 基于新型RFM模型隨機(jī)森林?jǐn)?shù)據(jù)分析

3.1 數(shù)據(jù)預(yù)處理

所用數(shù)據(jù)源于Z銀行數(shù)據(jù)庫，因存在缺失值以及不真實(shí)數(shù)據(jù)的情況，所以將數(shù)據(jù)中的異常值全部刪除。數(shù)據(jù)集包含23個(gè)變量，包括信用額度，客戶基本信息（性別、學(xué)歷、婚姻、年齡等），過去6個(gè)月的還款金額，還款是否逾期情況以及客戶賬戶金額。對各個(gè)特征進(jìn)行標(biāo)記，具體見表1。

表1 銀行數(shù)據(jù)相應(yīng)字段說明

首先將數(shù)據(jù)進(jìn)行預(yù)處理，通過對客戶資料進(jìn)行篩選發(fā)現(xiàn)，年齡在60歲以上以及信用額度在50萬以上的客戶所占的百分比非常低，可忽略不計(jì)，因此不做統(tǒng)計(jì)。年齡方面，21歲～30歲用1表示，31歲～40歲用2表示，41歲～50歲用3表示，51歲～60歲用4表示。信用額度方面1萬～10萬的用1表示，11萬～20萬的用2表示，21萬～30萬的用3表示，31萬～40萬的用4表示，41萬～50萬的用5表示。

3.2 特征分析

為了解各類人群在信貸方面的分布情況，將以往學(xué)者比較感興趣的幾個(gè)因素做了簡單分析，這些變量主要包括信用額度、性別、學(xué)歷、婚姻情況等。

由分析結(jié)果可以知道，銀行的貸款業(yè)務(wù)中中小額貸款居多，超過40萬的很少。按照常理，會(huì)覺得銀行更需要重視大客戶，因?yàn)樗麄儠?huì)給銀行帶來更高的利潤，但事實(shí)往往不是這樣，大客戶畢竟是少數(shù)，中小型客戶才是銀行貸款的主要人群。其次，貸款的人群主要為女性。國內(nèi)外很多研究顯示女性相較于男性來說，有更高的風(fēng)險(xiǎn)規(guī)避意識，對不確定性反應(yīng)也更加強(qiáng)烈。但并不意味著男性在信貸方面的比例就高于女性，現(xiàn)在的中國大陸包括臺灣地區(qū)，男女比例都嚴(yán)重失調(diào)，女性客戶占比高于男性也是一種趨勢。另外，貸款的主體基本上是受過高等教育的群體，且?guī)缀跏乔嗄耆耍嘣?0歲～40歲之間。因?yàn)榍嗄耆私邮苄率挛锏哪芰^強(qiáng)，觀念也更為開放一些，所以更喜歡超前消費(fèi)。而婚姻狀況則對客戶的信貸狀況影響不大。對于這些小額貸款客戶、女性客戶、高學(xué)歷客戶以及青年人客戶人群，銀行應(yīng)作出更有針對性的業(yè)務(wù)管理。

3.3 重要性檢測

數(shù)據(jù)的特征描述及其分析給出了銀行客戶的大致分布，屬于屬性數(shù)據(jù)的定性分析，但是銀行數(shù)據(jù)屬性很多，僅僅進(jìn)行定性分析，很難找到重要屬性。本實(shí)驗(yàn)選取80%的樣本作為訓(xùn)練集，其余的20%作為測試集，采用隨機(jī)森林屬性檢測方法對數(shù)據(jù)進(jìn)行分析，實(shí)驗(yàn)得出隨機(jī)森林劃分客戶信用等級的錯(cuò)誤率為24.40%。其重要性檢測的可視化結(jié)果如圖1所示。

圖1 重要屬性排序后可視化結(jié)果

平均降低精度和基尼指數(shù)是隨機(jī)森林中衡量變量重要性的指標(biāo)，其值越大，變量越重要。對圖1中23個(gè)特征進(jìn)行重要性評估，發(fā)現(xiàn)賬戶余額M、逾期頻率F及最近還款金額R在變量中最為重要，所以下面將進(jìn)一步分析這3個(gè)變量對信用的影響。

3.4 RFM模型對信用的影響分析

分別計(jì)算平均逾期時(shí)間FA（單位：月），平均還款金額RA（單位：元），每月賬戶平均余額MA（單位：元），并將數(shù)據(jù)劃分如下：

（1）F＜1為F1級客戶，1≤F＜3為F2級客戶，F(xiàn)≥3為F3級客戶。

（2）R＞10 000為R1級客戶，3 000＜R≤10 000為R2級客戶，R≤3 000為R3級客戶。

（3）M≥10 000為M1級客戶，1 000≤ M＜10 000為M2級客戶，M＜1 000為M3級客戶。

將原始銀行數(shù)據(jù)轉(zhuǎn)化為基于新型RFM模型的銀行數(shù)據(jù)，結(jié)果保存到相應(yīng)數(shù)據(jù)集中，記為“mydata”。實(shí)驗(yàn)得出MDA（Mean Decrease Accuracy）值和MDG（Mean Decrease Gini）值如表2所示。

表2 基于新型RFM模型隨機(jī)森林重要性檢測結(jié)果

由表2可以看出，客戶的信用歷史是申請貸款中最重要的變量，其次是賬戶余額和平均每月還款金額。

除了隨機(jī)森林，不少學(xué)者也嘗試將其他方法用于信用風(fēng)險(xiǎn)的管理。陳云等針對SVM集成學(xué)習(xí)在信用風(fēng)險(xiǎn)評估中的應(yīng)用，提出了一種混合集成方法，使得組合成員分類器的多樣性有效提升，并最終提高模型的預(yù)測準(zhǔn)確率[4]。李戰(zhàn)江等針對實(shí)際能夠獲取到的銀行樣本量少而無法準(zhǔn)確劃分信用級別的問題，建立了可分為9個(gè)信用級別的小樣本評級模型[5]。周壽彬?qū)U(kuò)散控制與違約強(qiáng)度兩個(gè)函數(shù)應(yīng)用到擴(kuò)散理論中，提出給予反常擴(kuò)散模型的信用風(fēng)險(xiǎn)評估方法，盡可能地降低銀行和個(gè)人的經(jīng)濟(jì)損失，從而優(yōu)化信貸資源的配置[6]。為了證明本文算法的有效性，將隨機(jī)森林算法（RF）和人工神經(jīng)網(wǎng)絡(luò)（ANN）、K最近鄰（KNN）以及C4.5算法的錯(cuò)誤分類率、耗時(shí)以及精確度進(jìn)行比較，同時(shí)使用80%的數(shù)據(jù)集作為訓(xùn)練集，結(jié)果如表3所示。

表3 實(shí)驗(yàn)對比

由表3可以明顯看出，人工神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林算法在處理本文數(shù)據(jù)時(shí)的正確率要高于其他兩種算法，隨機(jī)森林所用時(shí)間比人工神經(jīng)網(wǎng)絡(luò)的短。將RFM模型與隨機(jī)森林結(jié)合之后，雖然正確率沒有得到提升，但耗時(shí)明顯縮短，精確度也有所提升。

4 結(jié)束語

針對銀行業(yè)的不良資產(chǎn)問題以及信貸風(fēng)險(xiǎn)管理難題，運(yùn)用隨機(jī)森林算法進(jìn)行分析，與其他算法對比發(fā)現(xiàn)，隨機(jī)森林的正確率、精確度和耗時(shí)方面都具有優(yōu)勢。同時(shí)根據(jù)隨機(jī)森林自帶的feature importance得出客戶的信用歷史是最重要的特征，這也說明了銀行在處理客戶的貸款申請時(shí)首先看該客戶信用歷史的必要性。而對于首次貸款無歷史信用記錄的客戶，則可以根據(jù)其賬戶余額來評估其是否具有按時(shí)還款的能力。同時(shí)，根據(jù)之前的特征分析，可以看出貸款客戶中，女性、高學(xué)歷及青年人是銀行貸款的主體，銀行對這些人可以開展更有針對性的業(yè)務(wù)。