1、數(shù)據(jù)挖掘技術(shù)和風(fēng)險(xiǎn)管理一、數(shù)據(jù)挖掘的定義數(shù)據(jù)挖掘就是利用人工智能、統(tǒng)計(jì)分析以及其它建模方法，從大量不完全的、隨機(jī)的數(shù)據(jù)中尋找數(shù)據(jù)之間的關(guān)系和有用的信息。數(shù)據(jù)挖掘在營(yíng)銷、金融等行業(yè)的重要性已經(jīng)被認(rèn)識(shí)，所以企業(yè)一般都建立自己的數(shù)據(jù)庫(kù)即客戶關(guān)系系統(tǒng)(CRM),這為數(shù)據(jù)挖掘的發(fā)展提供了基礎(chǔ)。需要指出的是：數(shù)據(jù)挖掘并不僅僅是技術(shù)和算法的組合，它其實(shí)更像過程，這個(gè)過程的目的在于解決具體的問題或做具體的決策。數(shù)據(jù)挖掘的過程一般如下：(1)問題的定義以及數(shù)據(jù)準(zhǔn)備；(2)數(shù)據(jù)分析以及模型的建立。(3)模型的應(yīng)用與檢驗(yàn)。第一步與第三步因問題的不同而不同，第二步具有一般性因而可以實(shí)現(xiàn)自動(dòng)化。由于實(shí)現(xiàn)第二步的方法以及

2、模型可能有多個(gè)，最優(yōu)化的模型可能會(huì)因定義的問題以及應(yīng)用的領(lǐng)域不同而不同。模型建立包括核心以及外部技術(shù)，自動(dòng)化主要在核心之中應(yīng)用。數(shù)據(jù)挖掘一般是重復(fù)的過程，當(dāng)數(shù)據(jù)與模型不再相合時(shí)，或數(shù)據(jù)已經(jīng)過時(shí)了，數(shù)據(jù)挖掘就得重做。尤其在金融部門，由于金融數(shù)據(jù)的高變動(dòng)性，數(shù)據(jù)挖掘過程更加頻繁。這里數(shù)據(jù)挖掘的定義指按照某種商業(yè)目的，確定針對(duì)不同商業(yè)目的算法和技術(shù)，對(duì)大量的信息知識(shí)和數(shù)據(jù)進(jìn)行有效的知識(shí)管理的工具。二、數(shù)據(jù)挖掘和信用風(fēng)險(xiǎn)管理數(shù)據(jù)挖掘目前在信用風(fēng)險(xiǎn)管理上應(yīng)用得相當(dāng)廣泛，如:信用評(píng)分、數(shù)據(jù)庫(kù)市場(chǎng)化、客戶關(guān)系管理等等。從目前的發(fā)展情形來看，數(shù)據(jù)挖掘技術(shù)不是信用風(fēng)險(xiǎn)管理的主流方法。但是，從該技術(shù)的特點(diǎn)以及信用

3、風(fēng)險(xiǎn)管理的目的和方法來看，應(yīng)該是信用風(fēng)險(xiǎn)管理中重要的手段。主要表現(xiàn)在如下幾個(gè)方面。首先，對(duì)貸款者進(jìn)行信用計(jì)分。信用計(jì)分是個(gè)貸業(yè)務(wù)中的重要方法，它是決定是否給予貸款的基準(zhǔn)信用計(jì)分是貸款者的信用級(jí)別高低的標(biāo)志。信用計(jì)分卡實(shí)際上是一種用于個(gè)人信用風(fēng)險(xiǎn)控制的數(shù)學(xué)模型。它是利用數(shù)據(jù)挖掘技術(shù)對(duì)銀行積累的大量客戶歷史數(shù)據(jù)進(jìn)行分析，尋找出有關(guān)客戶信用風(fēng)險(xiǎn)的特征值和規(guī)律，建立相應(yīng)的數(shù)學(xué)模型為新的貸款申請(qǐng)者或已有的客戶評(píng)估風(fēng)險(xiǎn)。例如申請(qǐng)計(jì)分模型專門用于對(duì)新中請(qǐng)客戶的信用評(píng)估，它通過申請(qǐng)人填寫的有關(guān)身份資料，即可以有效、快速地辨別和劃分好/壞客戶。其次，數(shù)據(jù)挖掘還可以對(duì)貸款者的行為計(jì)分，例如對(duì)信用卡持卡人的消費(fèi)行為

4、和還款行為進(jìn)行分析。信用卡的主要利潤(rùn)來源即應(yīng)收利息已經(jīng)成為一些銀行的利潤(rùn)點(diǎn)，但是利潤(rùn)點(diǎn)的增長(zhǎng)需要從大量的個(gè)人特征和消費(fèi)特征中找到特征，需要對(duì)信用卡的收入分析、持卡人消費(fèi)分析、以及循環(huán)費(fèi)用進(jìn)行分析，對(duì)于滯留還款可能是潛在的損失，也可能帶來潛在的利潤(rùn)，因此基于統(tǒng)計(jì)資料的估值方法不同于以往信用風(fēng)險(xiǎn)管理方法，后者重視的是對(duì)一些數(shù)理模型的應(yīng)用，如果模型本身的假設(shè)與實(shí)際不符，則模型的結(jié)果不能取得令人滿意的結(jié)果。同時(shí)行為記分模型是通過對(duì)客戶的消費(fèi)行為進(jìn)行監(jiān)控和預(yù)測(cè)，從而達(dá)到評(píng)估客戶信用風(fēng)險(xiǎn)的目的。行為計(jì)分模型可用于信用額度的自動(dòng)監(jiān)控和調(diào)整、授權(quán)以及對(duì)壞賬的預(yù)測(cè)。例如，信用卡客戶想增加信用卡的限額，那么這位客

5、戶的以前的消費(fèi)及信用模式，就要通過使用行為記分模型進(jìn)行分析以便獲得認(rèn)可。最后，在對(duì)客戶信用計(jì)分和行為計(jì)分的基礎(chǔ)上，客戶對(duì)銀行的貢獻(xiàn)度和利潤(rùn)才是信用風(fēng)險(xiǎn)管理的最終目標(biāo)，這點(diǎn)和數(shù)據(jù)挖掘的目標(biāo)一致，因此利潤(rùn)模型將是信用風(fēng)險(xiǎn)管理的重要內(nèi)容，也是數(shù)據(jù)挖掘模型的最終目的，即挖掘出有價(jià)值的客戶。信用卡消費(fèi)目前的主要利潤(rùn)來源是信用循環(huán)和預(yù)先借款利息，但是如何準(zhǔn)確的找到合理的客戶群就是傳統(tǒng)的信用風(fēng)險(xiǎn)管理不能適用，需要從大量的數(shù)據(jù)對(duì)客戶群總體分析，客戶群風(fēng)險(xiǎn)/收益分析，客戶群好壞分析等環(huán)節(jié)，對(duì)于單體客戶應(yīng)該對(duì)其效益、風(fēng)險(xiǎn)進(jìn)行分析，從大量的統(tǒng)計(jì)結(jié)果找到規(guī)律，從而提高利潤(rùn)。目前，大多數(shù)數(shù)據(jù)挖掘技術(shù)集中討論在信用管理的

6、第一階段，即對(duì)申請(qǐng)者的接受與否進(jìn)行分類和判斷，對(duì)顧客的行為計(jì)分以及利潤(rùn)模型等相關(guān)研究比較少。因此，需要開發(fā)高級(jí)模型以適應(yīng)現(xiàn)代風(fēng)險(xiǎn)管理的需要。三、數(shù)據(jù)挖掘方法和信用風(fēng)險(xiǎn)管理技術(shù)1.信用計(jì)分模型設(shè)變量x=(x1,x2，,xp)描述申請(qǐng)者的特征，集合G表示好的客戶全體集合，集合B表示壞的客戶全體集合。假設(shè)對(duì)每一個(gè)客戶期望利潤(rùn)記為L(zhǎng),而若將壞客戶分成好客戶造成的損失假設(shè)為DopG表示申請(qǐng)者好客戶的比例，pB表示申請(qǐng)者中壞客戶的比例，p(x|G)表示好客戶G中具有屬性x的概率,q(G|x)表示具有屬性x的客戶是好客戶的概率，p(x)表示申請(qǐng)者具有屬性x的概率，因此如下關(guān)系成立_pxlG)R；q(G|x)

7、p(x)=P(x|G)pG,同樣,q(B|x)p(x)=P(x|B)pB因此得到甯日聞一口3日啟口.按照成本最小法則，希望預(yù)期收益不小于預(yù)期損失，因此判別準(zhǔn)則為Dp(x|B)pb<Lp(x|G)pgo定義集合|xlDp(xlB)pWLp(xIGjpd)=：D<g.GIx)ILq(Bk)假設(shè)卞S率p(x|G)的密度函數(shù)為f(x|G),概率p(x|B)的密度函數(shù)為f(x|B),因此集合Ag表示如下Ag=ILpc收8假定f(x|G),f(x|B)服從正態(tài)分布，亦即f(xlG=2(I£CE'PI-T-lX-仃tx-Mc"，111J.f可以得到X收；-djxlx1

8、 %A%+%£h/+2i吧yr*G記等式左邊為,I'IlT,1-i-h1才，表示具有特征為x的申請(qǐng)者的s(x)=x|Ec-Ed)X+2x(£：心信用計(jì)分，等式右邊記為'%匕;包噸3-)表示臨界值,利用此模型可以對(duì)申請(qǐng)者進(jìn)行判斷和分類。錯(cuò)誤！未指定書簽2 .消費(fèi)者行為評(píng)估模型為了準(zhǔn)確了解消費(fèi)者的可能帶來的潛在損失，必須對(duì)消費(fèi)者的行為進(jìn)行評(píng)估：特別是還款行為進(jìn)行分析。假設(shè)一年之內(nèi)有6個(gè)時(shí)期為免息期(每期50天)同時(shí)假設(shè)免息期之后90天內(nèi)仍然不還款認(rèn)為是違約，將90天分為6個(gè)期間，對(duì)應(yīng)于不同的狀態(tài)如正常，關(guān)注，次級(jí)，可疑和損失5個(gè)狀態(tài)，記為S0,S1,S2,S3S

9、。以記號(hào)Bij表示在第i期到第j期間內(nèi)仍然沒有還款的金額，Bii表示在第i期內(nèi)未還金額總數(shù)。例如B12表示在第一期到第二期內(nèi)未還金額，Bn-1,n表示在第n-1期內(nèi)截止到第n期未償還金額。因此得到一個(gè)矩陣fBnB(;B,3:R_0日或B3D«I|ts l>I0°0Bpjn因此定義轉(zhuǎn)移概率為Pj尸=工»布到轉(zhuǎn)移概率矩陣為/PllPl2Pl50P短Pxp=tri廣產(chǎn)Iil4IIfl!li|I000pa/客戶在時(shí)刻t的狀態(tài)用Xt表示，兀t(i)=P(Xt=Si)表示在時(shí)刻t處于狀態(tài)s的概率,pij(t,t+1)=P(Xt+1=sj|Xt=si)表示在時(shí)刻t從狀態(tài)s

10、i出發(fā)在時(shí)刻t+1到達(dá)狀態(tài)sj的概率，表示狀態(tài)之間的轉(zhuǎn)移概率。如果狀態(tài)是平穩(wěn)的，即pij(t,t+1)=pij不依賴時(shí)問t,那么在初始狀態(tài)so在t+1轉(zhuǎn)移到狀態(tài)sj的概率P(Xt+1=s|X0=s)=Pt+1(i,j)。狀態(tài)s5在馬爾科夫鏈中成為吸收狀態(tài)。按照馬爾科夫鏈的理論和方法可以計(jì)算從不同的狀態(tài)sj到狀態(tài)s5的概率，并且可以計(jì)算處于某狀態(tài)的平均時(shí)間和計(jì)算從某種狀態(tài)最終進(jìn)入違約狀態(tài)的時(shí)間，為公司提供適當(dāng)?shù)牟呗砸员苊鈸p失。3.利潤(rùn)模型對(duì)于信用風(fēng)險(xiǎn)管理而言，降低風(fēng)險(xiǎn)提高利潤(rùn)才是最終目的。因此利潤(rùn)模型可以從兩個(gè)方面考慮即風(fēng)險(xiǎn)最小化或者利潤(rùn)最大化。這里考慮在風(fēng)險(xiǎn)最小化基礎(chǔ)上建立利潤(rùn)計(jì)分模型。假設(shè)某

11、申請(qǐng)者的信用計(jì)分為s(x),Pg和Pb分別表示總樣本中好客戶和壞客戶的比例，q(G|sH口q(B|s)表示信用計(jì)分為s的好客戶和壞客戶的概率，滿足q(G|s)+q(B|s)=1,p(s/示信用計(jì)分為的客戶的比例。假設(shè)客戶的預(yù)期盈利為隨機(jī)變量R,滿足(1)如果被拒絕，那么R=0O(2)如果被接受且是一個(gè)好客戶，那么R=L(s);(3)如果被接受但是成為壞客戶，那么R=-D(s)0因此信用計(jì)分為s的客戶的預(yù)期收益為.ER|s=Lq(G|s)-D(1-q(G|s)=(L+D)q(G|s)-D*D(s)q(Gls)=-，因此分類原則是假設(shè)c表示臨界值，即如果s>c表示申請(qǐng)者被接受。因此信用計(jì)分高

12、于c的中請(qǐng)者的收益為二2(L+D)q(Gl5)-D)p恪i=Z(LpcpMIcwMc(sIG)-Dp矛B)=LpJI-F(clGn-DpHi1-F(clU)j=Lp(；-DpH+tDpEiFlclB)-Lpt；F(clC)這里F(c|G)和F(c|B)表示在好客戶和壞客戶中計(jì)分低于c的概率。在期望損失下界為p*的限制下，求解如下問題minsDp就I-F(sl0)s.t.LpH1-F(sIG)-DpH(1-F(slB)P*從而可以確定最優(yōu)信用計(jì)分s*o根據(jù)最優(yōu)信用計(jì)分s*,可以確定哪些客戶能夠在風(fēng)險(xiǎn)最小，從而達(dá)到利潤(rùn)最大的目的。四、結(jié)論和現(xiàn)實(shí)意義本文討論了數(shù)據(jù)挖掘技術(shù)和信用風(fēng)險(xiǎn)管理的聯(lián)系，提出了

13、信用計(jì)分模型、消費(fèi)者行為模型以及利潤(rùn)模型。數(shù)據(jù)挖掘作為知識(shí)管理的手段和引擎，具技術(shù)不斷被挖掘和探索。對(duì)于信用風(fēng)險(xiǎn)管理而言，信用計(jì)分、消費(fèi)者行為計(jì)分以及利潤(rùn)模型涉及到信用風(fēng)險(xiǎn)管理不同階段決策，例如信用計(jì)分用于討論是否接受申請(qǐng)者、信用額度上限等，消費(fèi)者行為計(jì)分主要涉及消費(fèi)者還款行為特征、違約狀態(tài)的變化以及最終違約損失；利潤(rùn)模型將涉及影響到諸如營(yíng)銷、服務(wù)程度甚至與定價(jià)策略。因此在大多數(shù)商業(yè)銀行已經(jīng)建立CRM的基礎(chǔ)上，按照信用風(fēng)險(xiǎn)管理的框架下，結(jié)合數(shù)據(jù)挖掘手段和技術(shù)開展對(duì)CRM系統(tǒng)的利用，將有助于提高銀行收益率。近年來商業(yè)銀行由于競(jìng)爭(zhēng)激烈，已經(jīng)逐步建立客戶關(guān)系系統(tǒng)(CRM),因此已經(jīng)累積大量的數(shù)據(jù)，而

14、為了提高信用風(fēng)險(xiǎn)管理，可以配合客戶關(guān)系管理，商業(yè)銀行不但能找出黃金客戶，并且能準(zhǔn)確把握其需求，增加其貢獻(xiàn)度，提高他們的忠誠(chéng)度,從而延長(zhǎng)客戶與銀行的交易生命期O而且商業(yè)銀行更能夠精準(zhǔn)地將營(yíng)銷資源灌到那些有待采用適當(dāng)手段提升到風(fēng)險(xiǎn)最小而效益較高價(jià)值的潛在黃金客戶群中。透過一系列客戶關(guān)系管理和數(shù)據(jù)挖掘手段，商業(yè)銀行可以以最低成本保有最有價(jià)值的客戶，獲取最大可能的利潤(rùn)。數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中尋找隱藏的信息，如趨勢(shì)、特征及相關(guān)性的過程,也就是從數(shù)據(jù)中挖掘信息或知識(shí)。具體到CRM中,商業(yè)銀行可以通過數(shù)據(jù)挖掘,分別針對(duì)經(jīng)營(yíng)策略、目標(biāo)定位、操作效能與測(cè)量評(píng)估等幾個(gè)方面的相關(guān)問題,從市場(chǎng)與顧客所搜集積累的大量數(shù)據(jù)中高效率地挖掘出信用風(fēng)險(xiǎn)管理不同階段最關(guān)心、最重要的答案，并且以此建立真正由客戶需求出發(fā)的客戶關(guān)系管理。同時(shí)，完整的數(shù)據(jù)挖掘還可從數(shù)據(jù)倉(cāng)庫(kù)提供的大量顧客數(shù)據(jù)中，挖掘到充分的信息來指導(dǎo)銀行的行動(dòng)。針對(duì)信用風(fēng)險(xiǎn)管理中不同的目的，兩者可以有效地結(jié)合，提高數(shù)據(jù)挖掘的效率,達(dá)到風(fēng)險(xiǎn)管理的目的。在信用風(fēng)險(xiǎn)管理第一階段，即信用計(jì)分階段，由于信用計(jì)分是針對(duì)所有申請(qǐng)者，因此根據(jù)CRM系統(tǒng)可以對(duì)每