基于数据挖掘银行客户信用风险评级体系研究3.pdfVIP

第29 期 情 报 杂 志 V01．29 No．2 2010年 2月 JOURNALOFINTELLIGENCE Feb． 2010 基于数据挖掘银行客户信用风险评级体系研究* ResearchontheCustomerCreditRiskRatingSystemofBanksbasedonDataMining 蔡皎洁 ，2 张玉峰 (1．武汉大学信息资源研究中心 武汉 430072；2．孝感学院 孝感 432000) 摘 要 提出了基于数据挖掘的客户信用风险评级体系结构，深入解析了基于关联规则的客户信用风险评级指标 体系的构建、基于BP神经网络的评级模型的构建和基于多种数据挖掘技术的分类结果细化可视化模块的构建。 关键词 数据挖掘 客户信用风险 评级研究 中圈分类号 G350 文献标识码 A 文章编号 1002—1965(2010)02—0047～04 0 引 言 1 基于数据挖掘的客户信用风险评级体系研究 麦肯锡公司通过研究表明，以银行实际的风险资 1．1 采用数据挖掘技术的重要性 基于数据挖掘 本配置为参考，信用风险 占银行总体风险暴露 的 技术来构建客户信用风险评级体系较我国商业银行传 60％，而市场风险和操作风险则仅 占20％。对我国来 统的客户风险评级体系的优点主要有：第一，数据挖掘 说，截止到2009年 6月末，我国境内商业银行不 良贷 可以基于数据仓库的基础上对数据进行多维视角的分 款余额5181．3亿元，比年初减少 421．8亿元；不 良贷 析，从而提高客户信用风险评级体系对数据处理的完 款率 1．77％，比年初下降0．65个百分点…1。从这些数 整性。数据仓库是面向复杂的数据分析以支持决策过 据上来看，一方面随着我国金融业全面对外开放，商业 程的，它集成了一定范围内的所有数据，是面向主题 银行作为金融体系的中流砥柱，越来越深刻地认识到 的、整合的、相对稳定的，并随时间和内外部环境变化 进行客户信用风险管理的重要性；另一方面，就我国商 而不断更新的数据集合L2』。因此，在数据仓库平台上 业银行的发展现状来看 ，信用风险仍然是其所面临最 构建基于数据挖掘的客户信用风险评级体系的效率会 主要的风险种类 ，并且在金融全球化、风险环境瞬息万 更高。第二，数据挖掘可以完成概念描述、关联分析、 变的情况下，加强我国商业银行信用风险科学管理水 分类聚类、孤立点分析、时序演变分析等功能，可以深 平已成为当务之急。 入分析客户信用风险评级指标之间、及客户信用风险 先进的商业银行客户信用风险评级体系是正确实 评级指标与评级结果之间复杂的关系，从而提高客户 施信用风险管理的基础。相比于国外 ，我国商业银行 信用风险评级体系的科学性。之前我国商业银行采用 客户信用风险评级体系比较落后，如存在多以定性为 的客户信用风险评级方法中掺杂人为因素过多，从而 主的评级方法，评级过程中存在很强的人为因素，评级 影响了评级体系的准确性和科学性，而数据挖掘的核 采用的指标体系有待科学化和完善化，评级体系信息 心技术为人工智能、机器学习、统计学等技术，可以高 智能化程度低、无法满足市场环境的动态变化，“信息 度 自动化地分析组织原有的数据，进行归纳性推理，从 孤岛”等缺陷。因此，迫切需要开发新的商业银行客户 中挖掘潜在的模式，自动分类客户的信用风险级别。 信用风险评级体系来解决上述问题。近年来，数据挖 1．2 基于数据挖掘的客户信用风险评级体系结构 掘技术已广泛应用于金融业，并取得了显著效果。本 本文构建的基于数据挖掘技术的客户信用风险评级 文的客户是指企业类客户。 体系结构主要包括三个模块：客户信用风险评级指标