彭妍　陳宣霖

摘要：消費(fèi)者在金融機(jī)構(gòu)進(jìn)行借貸的歷史數(shù)據(jù)的記錄非常多，指標(biāo)龐大。然而并非所有的數(shù)據(jù)都能夠?qū)栀J判斷起到作用。為了使得金融機(jī)構(gòu)能夠?qū)τ脩?hù)有正確的借貸選擇，本文利用分箱和特征篩選法得到具有50個(gè)指標(biāo)的評(píng)分體系，最終利用決策樹(shù)模型對(duì)數(shù)據(jù)進(jìn)行精確度檢驗(yàn)，結(jié)果表明：決策樹(shù)模型在信用評(píng)分系統(tǒng)應(yīng)用精確度非常高。

關(guān)鍵詞：信用評(píng)分系統(tǒng) 分箱 特征選擇 決策樹(shù)模型

引言

隨著日益增長(zhǎng)的物質(zhì)文化需求，消費(fèi)信貸業(yè)務(wù)有著迅速發(fā)展的趨勢(shì)，而長(zhǎng)期以來(lái)，如何規(guī)避信用風(fēng)險(xiǎn)是各金融機(jī)構(gòu)面臨的主要問(wèn)題，因此構(gòu)建完整有效的信用評(píng)分體系十分關(guān)鍵和迫切。其基本原理是基于對(duì)消費(fèi)者的利用信用歷史記錄和人口特征等大量數(shù)據(jù)進(jìn)行詳盡的分析，建立出最佳的信用評(píng)估模型，預(yù)測(cè)違約情況，值得在實(shí)踐中推廣，本文將對(duì)此進(jìn)行探索。（數(shù)據(jù)來(lái)源于2018年?yáng)|證期貨杯建模競(jìng)賽）

一、指標(biāo)選取

指標(biāo)太多會(huì)導(dǎo)致模型結(jié)果偏差較大，因此需要對(duì)指標(biāo)做降維處理，篩選更為重要的指標(biāo)，使得數(shù)據(jù)更為簡(jiǎn)化，本文首先使用分箱法對(duì)連續(xù)型指標(biāo)進(jìn)行處理。

（一）分箱處理

分箱法是指通過(guò)考察“鄰居”（周?chē)闹担﹣?lái)平滑存儲(chǔ)數(shù)據(jù)的值，用“箱的深度”表示不同的箱里有相同個(gè)數(shù)的數(shù)據(jù)，用“箱的寬度”來(lái)表示每個(gè)箱值的取值區(qū)間，將連續(xù)變量離散化將多狀態(tài)的離散變量合并成少狀態(tài)。假設(shè)要將某個(gè)自變量的觀測(cè)值分為k個(gè)分箱，一些常用的分箱方法有：等寬分箱、k均值聚類(lèi)分箱、Best-KS法等。本文使用最優(yōu)分箱法對(duì)將需要離散化的連續(xù)性變量進(jìn)行處理，避免了數(shù)據(jù)中無(wú)意義的波動(dòng)，也避免了極端值的影響，增強(qiáng)了數(shù)據(jù)的穩(wěn)定性和健壯性，這里展示其中一個(gè)指標(biāo)的分箱結(jié)果：

（二）特征選擇

在將連續(xù)型變量進(jìn)行分箱處理后，仍含有較多的指標(biāo)，鑒于此進(jìn)一步對(duì)數(shù)據(jù)進(jìn)行特征選擇處理，特征選擇基本思想是從原始特征中選擇出一些最有效特征以降低數(shù)據(jù)集維度。導(dǎo)致分類(lèi)器下降的原因往往是因?yàn)檫@些高緯度特征中含有無(wú)關(guān)特征和冗余特征，因此特征選擇的主要目的是去除特征中的無(wú)關(guān)特征和冗余特征。本文通過(guò)Fllter法衡量變量之間的相關(guān)性，采用皮爾遜相關(guān)系數(shù)來(lái)評(píng)估，最終選擇了最重要的指標(biāo)共504-用于建模。（這里只展示前20個(gè)指標(biāo)）

二、非平衡樣本的處理

由數(shù)據(jù)原始數(shù)據(jù)Y頻數(shù)表可知，數(shù)據(jù)集存在嚴(yán)重的非平衡性。由于正常用于大于違約用戶(hù)；留存客戶(hù)大于流失客戶(hù)。即Y=0（正樣本）和Y=1（負(fù)樣本）的數(shù)據(jù)量相差很大，對(duì)于最終的預(yù)測(cè)結(jié)果會(huì)嚴(yán)重傾向于多數(shù)的正樣本類(lèi)，導(dǎo)致對(duì)負(fù)的分類(lèi)錯(cuò)誤率很高，本文采用過(guò)采樣法解決非平衡樣本的問(wèn)題，在Y=1中的數(shù)據(jù)隨機(jī)抽取95%，在Y=0中的數(shù)據(jù)隨機(jī)抽取5%后建立新的數(shù)據(jù)集進(jìn)一步做后續(xù)模型的分析。

三、決策樹(shù)模型

決策樹(shù)是在各種情況發(fā)生的概率已知的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)來(lái)對(duì)項(xiàng)目風(fēng)險(xiǎn)進(jìn)行評(píng)估，并對(duì)其可行性進(jìn)行判斷。其基本思想是根據(jù)一些分割原則，將大量的訓(xùn)練集數(shù)據(jù)劃分類(lèi)。基本步驟是對(duì)于給定訓(xùn)練集數(shù)據(jù)先按一定的分割原則一分為二，得到的兩個(gè)子集再按另一種分割原則一分為二，如此重復(fù)，直到合適的程度。基于此，將決策樹(shù)模型應(yīng)用于上文中含有50個(gè)指標(biāo)的信用評(píng)分系統(tǒng)，得出其判斷精確度結(jié)果表明，決策樹(shù)模型精準(zhǔn)度高達(dá)96%。

四、建議

根據(jù)本文選擇的指標(biāo)和模型結(jié)果對(duì)貸款人提出以下建議：

1.對(duì)于信用卡累計(jì)逾期月份較多的，建議以后在于使用信用卡時(shí)盡量提前還款，來(lái)降低累計(jì)逾期月份數(shù)和累計(jì)逾期金額數(shù)。

2.由于不良還款記錄一般不易消除，所以在以后建議還款記錄保持良好，從而再下次銀行貸款期可以通過(guò)模型識(shí)別。

3.對(duì)于銀行貸款，如果要貸大筆金額，可以先從小額貸款開(kāi)始，然后按時(shí)還款，或者提前還款。