常宏偉

摘要：在金融行業(yè)不斷創(chuàng)新發(fā)展的背景下，伴隨著量化工具的快速發(fā)展，宏觀經(jīng)濟(jì)環(huán)境和金融市場(chǎng)急劇變化，銀行業(yè)面臨的風(fēng)險(xiǎn)出現(xiàn)復(fù)雜化和多樣化的特點(diǎn)，客戶(hù)信用風(fēng)險(xiǎn)這一銀行主要風(fēng)險(xiǎn)也在深刻劇烈變化，運(yùn)用客戶(hù)信用內(nèi)部評(píng)分可以顯著加強(qiáng)銀行風(fēng)險(xiǎn)控制，基于k-means方式提出一種客戶(hù)信用內(nèi)部分級(jí)評(píng)分模型，能夠動(dòng)態(tài)、有效控制風(fēng)險(xiǎn)。

關(guān)鍵詞：客戶(hù)信用；內(nèi)部分級(jí)評(píng)分模型；k-means；控制風(fēng)險(xiǎn)

一、前言

隨著世界經(jīng)濟(jì)的快速發(fā)展，物流、資金流、信息流快速完成全球流動(dòng)，金融作為一種重要的工具有效促進(jìn)了經(jīng)濟(jì)全球化的快速發(fā)展，金融國(guó)際化是經(jīng)濟(jì)全球化的重要組成部分，主要表現(xiàn)為金融市場(chǎng)國(guó)際化、金融交易國(guó)際化、金融機(jī)構(gòu)國(guó)際化和金融監(jiān)管?chē)?guó)際化。金融國(guó)際化推動(dòng)了經(jīng)濟(jì)全球化的發(fā)展。金融國(guó)際化是指一國(guó)的金融活動(dòng)超越本國(guó)國(guó)界，脫離本國(guó)政府金融管制，在全球范圍展開(kāi)經(jīng)營(yíng)、尋求融合、求得發(fā)展的過(guò)程。金融國(guó)際化是經(jīng)濟(jì)全球化的重要內(nèi)容。但是我們也應(yīng)該看到，目前世界發(fā)展的不穩(wěn)定因素增多，經(jīng)濟(jì)增長(zhǎng)乏力，霸權(quán)主義、極端主義等深刻影響世界的發(fā)展，逆全球化發(fā)展的可能性在增加，宏觀經(jīng)濟(jì)環(huán)境和金融市場(chǎng)急劇變化，各個(gè)國(guó)家長(zhǎng)期財(cái)政赤字，且規(guī)模越來(lái)越大。由于經(jīng)濟(jì)不振，銀行系統(tǒng)長(zhǎng)期采取貨幣寬松政策。從二級(jí)市場(chǎng)看，以量化為代表的算法和工具加劇了二級(jí)金融市場(chǎng)波動(dòng)，銀行業(yè)面臨的風(fēng)險(xiǎn)出現(xiàn)復(fù)雜化和多樣化的特點(diǎn)。銀行主要以高杠桿的存貸款業(yè)務(wù)為主要盈利手段，提高風(fēng)險(xiǎn)控制能力至關(guān)重要，客戶(hù)信用內(nèi)部分級(jí)評(píng)分模式是提高風(fēng)險(xiǎn)控制能力的重要方法之一。

二、商業(yè)銀行業(yè)務(wù)

（一）商業(yè)銀行負(fù)債業(yè)務(wù)

即商業(yè)銀行資金管理和吸收市場(chǎng)資金業(yè)務(wù)，其中活期存款最多。

（二）商業(yè)銀行的資產(chǎn)業(yè)務(wù)

指將吸收來(lái)的資金進(jìn)行貸款和投資業(yè)務(wù)。

（三）商業(yè)銀行中間業(yè)務(wù)

即銀行作為代銷(xiāo)商或中間商合作開(kāi)展業(yè)務(wù)，并收取代銷(xiāo)基金業(yè)務(wù)等費(fèi)用。

這是商業(yè)銀行的三大基本業(yè)務(wù)，其中資產(chǎn)業(yè)務(wù)和中間業(yè)務(wù)主要由銀行的業(yè)務(wù)能力和專(zhuān)業(yè)能力決定，不在本文的討論范圍之內(nèi)，而貸款業(yè)務(wù)則是銀行最重要的業(yè)務(wù)，也是銀行的主要盈利來(lái)源。

三、商業(yè)銀行貸款業(yè)務(wù)

信貸業(yè)務(wù)又稱(chēng)為貸款業(yè)務(wù)[1]，是指發(fā)放給借款主體為具有完全民事行為能力的自然人或持有工商行政管理機(jī)關(guān)核發(fā)的非法人營(yíng)業(yè)執(zhí)照的個(gè)體工商戶(hù)、個(gè)人獨(dú)資企業(yè)、個(gè)人合伙企業(yè)業(yè)主的所有貸款，包括貸款本金和利息。這是商業(yè)銀行主要的資產(chǎn)業(yè)務(wù)，通過(guò)放款收回本息，獲得利潤(rùn)，信貸是主要贏利手段。由于貸款后款項(xiàng)不由銀行掌握，因此存在無(wú)法收回本息的風(fēng)險(xiǎn)，所以應(yīng)在遵守人民銀行、銀保監(jiān)會(huì)建立的嚴(yán)格的貸款制度上，建立貸款的審核流程和客戶(hù)分級(jí)評(píng)分體系[2][3]。擅長(zhǎng)甄別優(yōu)質(zhì)企業(yè)的銀行，從達(dá)不到債券市場(chǎng)門(mén)檻的企業(yè)中，去挑選出信譽(yù)好的企業(yè)，并獲取較高的貸款收益率。這個(gè)收益率扣除了信息生產(chǎn)成本之后，依然會(huì)有超額。這部分超額回報(bào)，稱(chēng)為貸款業(yè)務(wù)的特許價(jià)值。因?yàn)槿绻麤](méi)有銀行的甄別能力，這些企業(yè)因?yàn)檫_(dá)不到在債券市場(chǎng)融資的條件將很難融資。這種特許價(jià)值是對(duì)銀行甄別能力的回報(bào)。如果銀行沒(méi)選擇去做這些甄別工作，而只選擇去為那一群最安全的企業(yè)放貸，那么它們的貸款利率只能在債券市場(chǎng)的收益率附近，甚至是無(wú)風(fēng)險(xiǎn)利率附近。

四、商業(yè)銀行貸款業(yè)務(wù)風(fēng)險(xiǎn)

（一）宏觀經(jīng)濟(jì)環(huán)境

地緣政治沖突放大了經(jīng)濟(jì)周期波動(dòng)[4]，并且對(duì)全球整體經(jīng)濟(jì)活動(dòng)產(chǎn)生長(zhǎng)期負(fù)面影響，對(duì)美國(guó)、中國(guó)貿(mào)易，工業(yè)生產(chǎn)以及就業(yè)市場(chǎng)的影響將持續(xù)很長(zhǎng)時(shí)間。同時(shí)地緣政治動(dòng)蕩也將顯著沖擊全球主要資本市場(chǎng)，這次俄烏沖突反應(yīng)明顯，全球各大主要股市都出現(xiàn)不同下跌。另外，地緣政治動(dòng)蕩將推升了全球的大宗商品價(jià)格，導(dǎo)致通脹的上升，在經(jīng)濟(jì)不景氣的情況下致使各國(guó)央行陷入了政策矛盾中。

（二）金融市場(chǎng)環(huán)境

隨著經(jīng)濟(jì)的快速發(fā)展和金融衍生品的開(kāi)發(fā)[5]，金融市場(chǎng)得以快速發(fā)展，但是在快速發(fā)展的同時(shí)，我們也應(yīng)該看到一些問(wèn)題。金融的創(chuàng)新首先考慮風(fēng)險(xiǎn)問(wèn)題，但是很多金融產(chǎn)品的推出更多以盈利為目的，忽視了金融的復(fù)雜性，尤其是這些年來(lái)非標(biāo)產(chǎn)品、P2P、互聯(lián)網(wǎng)金融、打著信托旗幟的通道產(chǎn)品和業(yè)務(wù)，復(fù)雜的金融衍生品等嚴(yán)重沖擊了有序的金融市場(chǎng)。這些產(chǎn)品和服務(wù)隱藏很多風(fēng)險(xiǎn)在其中，一旦其中一個(gè)暴雷，基于金融的關(guān)聯(lián)性會(huì)來(lái)帶系統(tǒng)性的風(fēng)險(xiǎn)，其潛在隱藏的風(fēng)險(xiǎn)不容忽視。

（三）商業(yè)銀行主體

近些年來(lái)，隨著經(jīng)濟(jì)增速放緩，銀行增量市場(chǎng)減小，存量競(jìng)爭(zhēng)激烈，經(jīng)營(yíng)壓力增大。隨著我國(guó)名義GDP增速放緩[6]，銀行業(yè)總資產(chǎn)增速中樞明顯下移，近幾年銀行總資產(chǎn)增速基本在個(gè)位數(shù)水平。而在增量放緩的情況下，存量競(jìng)爭(zhēng)日益激烈，銀行面臨凈息差收窄、信用風(fēng)險(xiǎn)持續(xù)暴露等經(jīng)營(yíng)壓力，凈利潤(rùn)增速也處于低位，因此銀行抵御宏觀風(fēng)險(xiǎn)的能力有所下降，體現(xiàn)在銀行的資產(chǎn)質(zhì)量下降，不良貸款率上升、拔備覆蓋率下降、壞賬增加等方面。近年來(lái)，監(jiān)管部門(mén)不斷要求銀行加強(qiáng)風(fēng)險(xiǎn)管理、壓實(shí)資產(chǎn)質(zhì)量，銀行業(yè)整體風(fēng)險(xiǎn)可控。雖然當(dāng)前銀行業(yè)不良貸款率仍然處于高位，但考慮到確認(rèn)力度增強(qiáng)，以及關(guān)注類(lèi)貸款占比下降，當(dāng)前銀行資產(chǎn)質(zhì)量風(fēng)險(xiǎn)比2015年前后的峰值水平已經(jīng)降低，當(dāng)前銀行業(yè)整體風(fēng)險(xiǎn)可控。此外，目前銀行業(yè)撥備覆蓋率為197%，整體而言仍然有一定緩沖空間。

商業(yè)銀行貸款業(yè)務(wù)的宏觀風(fēng)險(xiǎn)和金融市場(chǎng)風(fēng)險(xiǎn)是由市場(chǎng)決定的，并不是銀行本身能夠控制相關(guān)風(fēng)險(xiǎn)，因此不做討論。本文主要討論銀行主體控制的風(fēng)險(xiǎn)的能力，主要體現(xiàn)在授信操作業(yè)務(wù)流程和客戶(hù)信用內(nèi)部分級(jí)評(píng)分模型。通過(guò)授信操作業(yè)務(wù)流程規(guī)范操作步驟，通過(guò)客戶(hù)信用內(nèi)部分級(jí)評(píng)分更好的對(duì)客戶(hù)進(jìn)行畫(huà)像，進(jìn)行客戶(hù)償債能力分級(jí)評(píng)分，進(jìn)而刻畫(huà)客戶(hù)信用內(nèi)部分級(jí)評(píng)分，基于分級(jí)評(píng)分進(jìn)行貸款額度的審批和發(fā)放。

五、商業(yè)銀行貸款業(yè)務(wù)風(fēng)險(xiǎn)控制模型

（一）商業(yè)銀行授信客戶(hù)和授信業(yè)務(wù)評(píng)級(jí)業(yè)務(wù)的操作

客戶(hù)經(jīng)理對(duì)授信對(duì)象進(jìn)行調(diào)研[7]；對(duì)授信對(duì)象的政治、經(jīng)濟(jì)、法律、社會(huì)等環(huán)境進(jìn)行分析；支行行長(zhǎng)負(fù)責(zé)對(duì)客戶(hù)經(jīng)理授信對(duì)象風(fēng)險(xiǎn)評(píng)級(jí)、業(yè)務(wù)風(fēng)險(xiǎn)進(jìn)行審批；授信調(diào)查員對(duì)上報(bào)的授信對(duì)象風(fēng)險(xiǎn)評(píng)級(jí)、授信業(yè)務(wù)進(jìn)行審查；授信處高經(jīng)負(fù)責(zé)對(duì)經(jīng)審查員審查后的授信對(duì)象風(fēng)險(xiǎn)評(píng)級(jí)、授信業(yè)務(wù)風(fēng)險(xiǎn)評(píng)級(jí)進(jìn)行審查；貸審會(huì)對(duì)經(jīng)高經(jīng)審查后的授信對(duì)象風(fēng)險(xiǎn)、授信業(yè)務(wù)風(fēng)險(xiǎn)進(jìn)行審查；最終行長(zhǎng)根據(jù)貸審會(huì)意見(jiàn)簽署意見(jiàn)。

（二）商業(yè)銀行客戶(hù)內(nèi)部信用分級(jí)評(píng)分分類(lèi)

為了盡量減少違約事件（貸款無(wú)法收回成為壞賬）的發(fā)生，商業(yè)銀行需要對(duì)客戶(hù)進(jìn)行信用評(píng)價(jià)，對(duì)客戶(hù)貸款的全生命周期進(jìn)行管理。在這樣的需求背景下，信用評(píng)級(jí)應(yīng)運(yùn)而生。商業(yè)銀行利用客戶(hù)的屬性、交易行為、資產(chǎn)和負(fù)債數(shù)據(jù)，以及可獲取的合法的第三方數(shù)據(jù)（例如中國(guó)人民銀行征信中心）進(jìn)行分析，探索客戶(hù)特征與違約行為之間的關(guān)系，并將其發(fā)展成為信用分級(jí)評(píng)分模型，用于對(duì)新客戶(hù)未來(lái)的信用表現(xiàn)做出預(yù)測(cè)。信用評(píng)級(jí)不僅在銀行業(yè)得到廣泛應(yīng)用。

一般而言，信用評(píng)級(jí)分為內(nèi)部評(píng)級(jí)和外部評(píng)級(jí)兩種方式。外部信用評(píng)級(jí)是指第三方機(jī)構(gòu)提供的客戶(hù)分級(jí)評(píng)分；另一種是銀行自行開(kāi)發(fā)的信用評(píng)級(jí)體系。外部信用評(píng)級(jí)一般借用第三方信用數(shù)據(jù)進(jìn)行評(píng)級(jí)。每家信用評(píng)級(jí)機(jī)構(gòu)都有信用評(píng)價(jià)體系，而這種體系的形成與完善離不開(kāi)數(shù)據(jù)的支撐，因此數(shù)據(jù)資源是信用評(píng)估機(jī)構(gòu)最重要的生產(chǎn)物料。內(nèi)部信用評(píng)級(jí)一般由銀行利用自有數(shù)據(jù)和可獲取的第三方數(shù)據(jù)資源建立模型，進(jìn)行貸前審批、貸款定價(jià)以及貸中和貸后管理等銀行客戶(hù)信用內(nèi)部管理領(lǐng)域中，實(shí)現(xiàn)了信用風(fēng)險(xiǎn)的量化管理，提高審批額度準(zhǔn)確度和控制風(fēng)險(xiǎn)。信用評(píng)價(jià)的主要衡量指標(biāo)就是客戶(hù)的違約概率，評(píng)級(jí)方式一般有兩種：其一，基于歷史數(shù)據(jù)進(jìn)行評(píng)價(jià)，一般應(yīng)用于客戶(hù)的準(zhǔn)入和貸前審批；其二，基于客戶(hù)當(dāng)前行為進(jìn)行評(píng)價(jià)，用于反映客戶(hù)的實(shí)時(shí)信用狀況，多用于貸中和貸后管理。

Lehmann認(rèn)為內(nèi)部信用評(píng)級(jí)作為信用風(fēng)險(xiǎn)管理[8-9]的重要手段之一，在進(jìn)行信息的收集、分析及評(píng)價(jià)的基礎(chǔ)上，銀行在此基礎(chǔ)上根據(jù)自己的模型進(jìn)行客戶(hù)分級(jí)評(píng)分，JPMORGAN開(kāi)發(fā)了creditmetrics模型，kmv模型等指標(biāo)。在商業(yè)銀行內(nèi)部，我國(guó)王學(xué)永指出銀行內(nèi)部存在評(píng)級(jí)方法存在落后問(wèn)題，部分專(zhuān)家也提出吸收西方的先進(jìn)經(jīng)驗(yàn)，積累內(nèi)部數(shù)據(jù)，優(yōu)化權(quán)重，強(qiáng)化貸款五級(jí)分類(lèi)問(wèn)題等內(nèi)部分級(jí)評(píng)分評(píng)級(jí)[10]方法。

六、商業(yè)銀行信用評(píng)級(jí)分類(lèi)

（一）商業(yè)銀行貸款五級(jí)分類(lèi)

根據(jù)《中國(guó)銀監(jiān)會(huì)關(guān)于印發(fā)<貸款風(fēng)險(xiǎn)分類(lèi)指引>的通知》（銀監(jiān)發(fā)〔2007〕54號(hào)），商業(yè)銀行至少應(yīng)將貸款劃分為正常、關(guān)注、次級(jí)、可疑、損失五類(lèi)，后三類(lèi)合稱(chēng)為不良貸款。這五級(jí)分類(lèi)貸款是銀保監(jiān)會(huì)對(duì)貸款進(jìn)行的一種分類(lèi)方法，是一種通用分類(lèi)方法，這種方法側(cè)重于事后跟蹤貸款情況。

（二）商業(yè)銀行內(nèi)部信用評(píng)級(jí)分類(lèi)現(xiàn)狀

銀保監(jiān)會(huì)的貸款五級(jí)分類(lèi)主要服務(wù)于事后跟蹤，但是在貸前的分級(jí)評(píng)分分類(lèi)模型則由各個(gè)銀行自己設(shè)定，從西方發(fā)達(dá)國(guó)家商業(yè)銀行運(yùn)用分級(jí)評(píng)分經(jīng)驗(yàn)看，其將不同的類(lèi)型潛在的信用風(fēng)險(xiǎn)進(jìn)行整合和識(shí)別，運(yùn)用標(biāo)準(zhǔn)化的模型進(jìn)行量化，有利于商業(yè)銀行信用風(fēng)險(xiǎn)管理的標(biāo)準(zhǔn)化和標(biāo)準(zhǔn)化。

從公開(kāi)資料可查詢(xún)到部分商業(yè)銀行的分級(jí)評(píng)分方法。例如JN農(nóng)商銀行按照9級(jí)分類(lèi)對(duì)客戶(hù)進(jìn)行分級(jí)評(píng)分，從高到低依次為AAA、AA、A、BBB、BB、B、CCC、CC、C，其將客戶(hù)分為四大類(lèi)，針對(duì)不同類(lèi)型的客戶(hù)，依據(jù)不同的評(píng)級(jí)結(jié)果進(jìn)行分類(lèi)，如表1所示。

例如某農(nóng)信社提出的CRM經(jīng)營(yíng)模式，也是依據(jù)收集的客戶(hù)信息對(duì)客戶(hù)進(jìn)行分類(lèi)，針對(duì)性的提供差異化產(chǎn)品服務(wù)。客戶(hù)信用評(píng)級(jí)分為三級(jí)指標(biāo)，一級(jí)指標(biāo)是客戶(hù)的最終分級(jí)評(píng)分，二級(jí)指標(biāo)是影響一級(jí)的重要因素，結(jié)合了客戶(hù)的基本信息、家庭信息、資產(chǎn)信息等，三級(jí)指標(biāo)又是二級(jí)的重要影響因素，主要是本人與家庭成員的負(fù)債情況，擔(dān)保情況，違法情況等。在運(yùn)用了層次分析法和德?tīng)柗品╗11]，基于系統(tǒng)現(xiàn)有數(shù)據(jù)，形成定量為主、定性為輔的信用評(píng)價(jià)體系。

這些客戶(hù)信用內(nèi)部分級(jí)評(píng)分模型從基于金融理論為基礎(chǔ)，從銀行角度對(duì)客戶(hù)信用[12]進(jìn)行分級(jí)評(píng)分逐漸轉(zhuǎn)變?yōu)榛诮鹑诶碚摻Y(jié)合行為學(xué)為基礎(chǔ)，基于系統(tǒng)現(xiàn)有的客戶(hù)多維數(shù)據(jù)進(jìn)行客戶(hù)畫(huà)像，在此基礎(chǔ)上對(duì)客戶(hù)信用進(jìn)行分級(jí)評(píng)分。但是這些分級(jí)評(píng)分模型存在一些不足：1.缺乏從客戶(hù)信用角度思考進(jìn)行分級(jí)評(píng)分；2.數(shù)據(jù)維度不足或者有效性有待提升。在此基礎(chǔ)上提出了一種基于k-means的客戶(hù)信用內(nèi)部分級(jí)評(píng)分模型。

七、一種基于k-means的客戶(hù)信用內(nèi)部分級(jí)評(píng)分模型

基于人類(lèi)行為學(xué)理論，實(shí)際上所有人的行為都是具有相似性的，因此基于數(shù)據(jù)挖掘模型k-means聚類(lèi)模型可以反映出客戶(hù)的真實(shí)行為，利用多維有效數(shù)據(jù)對(duì)客戶(hù)信用進(jìn)行內(nèi)部分級(jí)評(píng)分。

（一）分級(jí)評(píng)分?jǐn)?shù)據(jù)

結(jié)合系統(tǒng)存儲(chǔ)的數(shù)據(jù)和有效數(shù)據(jù)分析，某大型銀行S省分行采用了多維數(shù)據(jù)模型。1.客戶(hù)基本信息（年齡，職業(yè)）；2.交易流水（交易頻次，交易金額）；3.資產(chǎn)信息（存款、理財(cái)?shù)龋?.征信信息；5.資產(chǎn)負(fù)債比信息（資產(chǎn)、信貸、信用卡）。

1.客戶(hù)基本信息Z₁（年齡，收入）

年齡N信息按照分段評(píng)級(jí)，滿(mǎn)分為1，根據(jù)風(fēng)險(xiǎn)承擔(dān)能力服從類(lèi)似正態(tài)分布，根據(jù)經(jīng)驗(yàn)分為18歲以下（0.4），18—35（0.8），35—55（1），55以上（0.2）。收入信息W按照分段評(píng)級(jí)，滿(mǎn)分為1，根據(jù)風(fēng)險(xiǎn)承擔(dān)能力服從對(duì)數(shù)分布，根據(jù)經(jīng)驗(yàn)分為6萬(wàn)元以下（0.2），10萬(wàn)元以下（0.4），20萬(wàn)元以下（0.5），20-50萬(wàn)元（0.7），50萬(wàn)元以上（0.8），100萬(wàn)元以上（1）。

客戶(hù)基本信息評(píng)分值：J=α×N+β×W（1）

2.交易流水Z₂（交易頻次P，交易金額E）

從交易行為學(xué)角度看，交易流水頻次和交易流水是判斷客戶(hù)行為進(jìn)而對(duì)客戶(hù)信用內(nèi)部分級(jí)評(píng)分非常重要的一種信息，重點(diǎn)觀察過(guò)去4個(gè)季度交易頻次、交易金額的均值與極大值的關(guān)系。

根據(jù)數(shù)據(jù)庫(kù)計(jì)算出過(guò)去4個(gè)季度的流水頻次均值P；過(guò)去四個(gè)季度的流水金額均值E；過(guò)去一個(gè)季度流水頻次P1，過(guò)去一個(gè)季度流水金額E1。

交易流水信息評(píng)分值：L=P1/P+E1/E（2）

3.資產(chǎn)信息Z₃（存款、理財(cái)?shù)龋?/p>

資產(chǎn)信息即是一種時(shí)點(diǎn)信息，可以知曉客戶(hù)的時(shí)點(diǎn)資產(chǎn)信息；也是一種動(dòng)態(tài)趨勢(shì)信息，可以通過(guò)資產(chǎn)趨勢(shì)判斷客戶(hù)的資金實(shí)際使用情況。從交易行為學(xué)角度看，重點(diǎn)觀察過(guò)去4個(gè)季度資產(chǎn)信息的均值與極大值的關(guān)系。

根據(jù)數(shù)據(jù)庫(kù)計(jì)算出過(guò)去4個(gè)季度的資產(chǎn)均值?；過(guò)去一個(gè)季度資產(chǎn)均值Z。

交易流水信息評(píng)分值：Z₃=Z/?（3）

4.征信信息Z₄

征信信息是主要查詢(xún)?nèi)诵姓餍艛?shù)據(jù)庫(kù)返回的個(gè)人征信數(shù)據(jù)，根據(jù)人行返回的個(gè)人征信信息分為AAA、AA、A、BBB、BB、B、CCC、CC、C三等九級(jí)，評(píng)分依次對(duì)應(yīng)評(píng)分為1、0.9、0.8、0.7、0.6、0.5、0.4、0.3、0.2九個(gè)評(píng)分。

5.資產(chǎn)負(fù)債比信息Z₅（資產(chǎn)、信貸、信用卡）

資產(chǎn)負(fù)債比是判斷客戶(hù)風(fēng)險(xiǎn)能力很重要的一個(gè)指標(biāo)，依據(jù)本行信貸條線的客戶(hù)季度負(fù)債信息，包括信貸和信用卡的負(fù)債信息F、客戶(hù)季度資產(chǎn)信息Z。通過(guò)這個(gè)比值，判斷客戶(hù)出現(xiàn)信用風(fēng)險(xiǎn)時(shí)商業(yè)銀行可化解風(fēng)險(xiǎn)的能力。

資產(chǎn)負(fù)債比信息評(píng)分值：Z₅=F/Z（4）

（二）聚類(lèi)模型

聚類(lèi)算法是數(shù)據(jù)挖掘中的一項(xiàng)重要技術(shù)，其目的是使聚類(lèi)后同一類(lèi)的數(shù)據(jù)盡可能聚集在一起，不同的數(shù)據(jù)盡可能分離。聚類(lèi)模型既有有監(jiān)督的場(chǎng)景又有無(wú)監(jiān)督的場(chǎng)景。經(jīng)過(guò)一定的改造，還可以適用于半監(jiān)督的場(chǎng)景。聚類(lèi)算法主要有k-means聚類(lèi)算法，這種算法最為熟悉的聚類(lèi)算法。它在許多的工業(yè)級(jí)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)課程中都有被講解。Mean-shift聚類(lèi)是一個(gè)基于滑窗的算法，嘗試找到數(shù)據(jù)點(diǎn)密集的區(qū)域。它是一個(gè)基于質(zhì)心的算法，也就是說(shuō)他的目標(biāo)是通過(guò)更新中心點(diǎn)候選者定位每個(gè)組或類(lèi)的中心點(diǎn)，將中心點(diǎn)候選者更新為滑窗內(nèi)點(diǎn)的均值。這些候選滑窗之后會(huì)在后處理階段被過(guò)濾，來(lái)減少鄰近的重復(fù)點(diǎn)，最后形成了中心點(diǎn)的集合和他們對(duì)應(yīng)的組。高斯混合模型（GMMs）具有更好的靈活性比k-means。使用GMMs，我們需要假設(shè)數(shù)據(jù)點(diǎn)是高斯分布，相對(duì)于環(huán)形的數(shù)據(jù)而言，這個(gè)假設(shè)的嚴(yán)格程度與均值相比弱很多。這樣的話，我們有兩個(gè)參數(shù)來(lái)描述簇的形狀：均值和標(biāo)準(zhǔn)差。以二維為例，意味簇可以是任何一種橢圓形（因?yàn)槲覀冇袃蓚€(gè)標(biāo)準(zhǔn)差在x和y方向）。因此，每個(gè)高斯分布會(huì)被分配到單一的聚類(lèi)簇。這些算法都在不同的應(yīng)用場(chǎng)景中有所應(yīng)用。隨著數(shù)據(jù)量的迅速增加如何對(duì)大規(guī)模數(shù)據(jù)進(jìn)行有效的聚類(lèi)成為挑戰(zhàn)性的研究課題，面向大數(shù)據(jù)的聚類(lèi)算法對(duì)傳統(tǒng)金融行業(yè)的股票投資分析、互聯(lián)網(wǎng)金融行業(yè)中的客戶(hù)細(xì)分等金融應(yīng)用領(lǐng)域具有重要價(jià)值，本文使用k-means模型對(duì)銀行客戶(hù)信用內(nèi)部分級(jí)評(píng)分。

1.k-means模型

k-means聚類(lèi)算法是一種迭代求解的聚類(lèi)分析算法，其步驟是隨機(jī)選取K個(gè)對(duì)象作為初始的聚類(lèi)中心，然后計(jì)算每個(gè)對(duì)象與各個(gè)種子聚類(lèi)中心之間的距離，把每個(gè)對(duì)象分配給距離它最近的聚類(lèi)中心。聚類(lèi)中心以及分配給它們的對(duì)象就代表一個(gè)聚類(lèi)。每分配一個(gè)樣本，聚類(lèi)的聚類(lèi)中心會(huì)根據(jù)聚類(lèi)中現(xiàn)有的對(duì)象被重新計(jì)算。這個(gè)過(guò)程將不斷重復(fù)直到滿(mǎn)足某個(gè)終止條件。終止條件可以是沒(méi)有（或最小數(shù)目）對(duì)象被重新分配給不同的聚類(lèi)，沒(méi)有（或最小數(shù)目）聚類(lèi)中心在發(fā)生變化，誤差平方和局部最小?；趉-means算法進(jìn)行客戶(hù)信用內(nèi)部分級(jí)評(píng)分其核心是使用模型算法對(duì)對(duì)象進(jìn)行聚類(lèi)分析，這種聚類(lèi)分析是基于客觀數(shù)據(jù)對(duì)對(duì)象分類(lèi)，而不是根據(jù)人的主觀意愿對(duì)對(duì)象進(jìn)行分類(lèi)，能夠客觀反映相似對(duì)象的關(guān)聯(lián)性。

（三）客戶(hù)信用內(nèi)部分級(jí)評(píng)分模型

1.對(duì)每一個(gè)對(duì)象Z建立一個(gè)點(diǎn)向量Z_i（ZZ₁、ZZ₂、ZZ₃、ZZ₄、ZZ₅）。

2.根據(jù)本行內(nèi)部客戶(hù)信用分級(jí)情況，定義客戶(hù)信用內(nèi)部k個(gè)分級(jí)，初始選擇k個(gè)點(diǎn)向量ZK（ZK₁、ZK₂、ZK₃、ZK₄、ZK₅）作為初始的分級(jí)中心點(diǎn)，計(jì)算每個(gè)點(diǎn)向量到分級(jí)中心點(diǎn)的距離。

根據(jù)距離分級(jí)中心的距離，將不同點(diǎn)向量劃分到不同分級(jí)簇。對(duì)于每一個(gè)簇找到其所有關(guān)聯(lián)點(diǎn)的中心點(diǎn)，方法是取每一個(gè)點(diǎn)坐標(biāo)的平均值，根據(jù)各分級(jí)簇的點(diǎn)向量計(jì)算新的分級(jí)中心點(diǎn)，重新計(jì)算點(diǎn)向量到分級(jí)中心點(diǎn)的距離，重新劃分分級(jí)簇。這樣循環(huán)計(jì)算，直到最近兩次計(jì)算的分級(jí)中心結(jié)果相同停止。

八、展望

通過(guò)數(shù)據(jù)驗(yàn)證，運(yùn)用k-means算法建立客戶(hù)信用內(nèi)部分級(jí)評(píng)分模型，該模型從客觀的客戶(hù)數(shù)據(jù)出發(fā)，能夠較精確對(duì)客戶(hù)信用內(nèi)部進(jìn)行分級(jí)評(píng)分。但是也需要看到，建模依賴(lài)的數(shù)據(jù)維度還是不足，模型還有待于優(yōu)化，客戶(hù)信用內(nèi)部分級(jí)評(píng)分精確度還有待于提高。

參考文獻(xiàn)

[1]周云強(qiáng).我國(guó)商業(yè)銀行內(nèi)部信用評(píng)級(jí)問(wèn)題研究[D].天津：天津財(cái)經(jīng)大學(xué)，2013.

[2]馬龍，劉凱旋.金融科技在商業(yè)銀行服務(wù)企業(yè)客戶(hù)領(lǐng)域的應(yīng)用研究[J].經(jīng)濟(jì)管理文摘，2021（18）：73-74.

[3]王學(xué)永.寧夏銀行內(nèi)部評(píng)級(jí)體系的構(gòu)建研究[D].銀川：寧夏大學(xué)，2013.

[4]劉軍，胡莉娜，張艷.后疫情時(shí)代金融科技在商業(yè)銀行中的應(yīng)用研究[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2021（12）：61-62.

[5]陳媛.金融科技應(yīng)用的研究熱點(diǎn)及發(fā)展趨勢(shì)：基于Scopus數(shù)據(jù)庫(kù)的可視化計(jì)量分析[J].福建金融，2021（9）：59-65.

[6]李慧明.商業(yè)銀行金融科技應(yīng)用及風(fēng)險(xiǎn)監(jiān)管分析[J].河北金融，2021（8）：11-14.

[7]田欣.商業(yè)銀行法人客戶(hù)信用評(píng)級(jí)體系改進(jìn)研究[D].濟(jì)南：山東大學(xué)，2020.

[8]張喆.C銀行客戶(hù)內(nèi)部評(píng)級(jí)研究[D].咸陽(yáng)：西北農(nóng)林科技大學(xué)，2020.

[9]崔凱.大數(shù)據(jù)背景下商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)體系研究[D].邯鄲：河北工程大學(xué)，2019.

[10]單翠.基于內(nèi)部評(píng)級(jí)法的縣域農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)度量研究[J].時(shí)代金融，2019（26）：149-150.

[11]智揚(yáng)賀.C銀行客戶(hù)信用風(fēng)險(xiǎn)評(píng)級(jí)體系改進(jìn)研究[D].沈陽(yáng)：東北大學(xué)，2015.

[12]李景麗.我國(guó)商業(yè)銀行內(nèi)部評(píng)級(jí)法應(yīng)用研究[D].天津：天津財(cái)經(jīng)大學(xué)，2015.

作者單位：太原旅游職業(yè)學(xué)院信息管理系