银行个人客户信用评分模型研究.doc

银行个人客户信用评分模型研究.doc银行个人客户信用评分模型研究摘要:近年來,中国的信用卡业务飞速发展,为银行带來了丰厚的利润。但招揽信用卡用户的激烈竞争导致银行不断放宽对丁•信用卡申请者的要求,疏忽了风险的管理和控制。能否掌握信用卡客户的业务规律,并能设计相应对策以管理控制风险,是信用卡业务成败与否的关键。据此,针对银行信用卡客户,收集并处理他们的信息,利用决策树算法建立个人信用评分模型,并结合社会实际情况对模型做出调整建议。关键词:数据挖掘;决策树;信用评分中图分类号:F27文献标识码:A文章编号:16723198(2015)190064021个人信用评分一般信用的考察对象有两个:企业和个人。对于不同对象研究方式不同,但考察冃的相同,即分析借款人的还款意愿和能力。本文研究的是个人信用,个人信用指的是基于信任、通过一定的协议或契约提供给自然人(及其家庭)的信用,使得接受信用的个人不用付现就可以获得商品或服务。个人信用评分,是指通过使用科学严谨的分析方法,综合考察影响个人及其家庭的内在和外在的主客观环境,并对其履行各种经济承诺的能力进行全面的判断和评估。针对不同的应用,个人信用评分分为风险评分、收入评分、响应度评分、客户流失(忠诚度)评分、催收评分、信用卡发卡审核评分、房屋按揭贷款发放审核评分、信用额度核定评分等。个人信用评分是对个人信用的一种定量化描述,用客观的方式来预测信用行为。它具有减少和控制风险、辅助准确决策等作用。,并不是所有的数据项都可为研究所用,因而本文结合专家法和实际可获取数据,选取了衡量客户的信用情况的四大主要因素,即:基本情况、职业情况、家庭情况、与银行的往来业务关系。,我们确立了具体的考察指标,并拟出了一份银行客户信息的调查问卷,在银行进行发放,发放总数100分,回收86份,回收率86%。3数据预处理现实世界中经过初步采集后的数据多半是有问题的,所以需要对数据源进行清洗和转换。数据预处理技术包括数据清理、数据集成、数据转换与数据归约。本文收集到的数据较少,内容也较简单,不需要进行数据集成与数据归约,所以木文的预处理过程只需进行数据清理和数据转换。,本文对于这些空缺值采取最大频数填充法。下面以“学历”为例,介绍最大频数填充法(参照表l)o在教育程度中,存在6条空缺值,记录显示“大学木科”%,且这些记录的“行业类别”信息都存在,其中5条都属于“教育”类,再对“教育”行业所有记录进行分析,%的记录学历为“大学本科”,是该行业最高的学历频率,所以可以将5条“学历”空缺值补为“大学本科”。在采集到的数据中,有些数据存在明显错误,这类数据称为“伪样本”。如在数据源中发现有数据显示月均收入很低,没有任何担保却得到了大额贷款等。这些“伪样本”必须剔除。2数据变换本文需要把原始数据屮字符型的数据转化为数值型的数据,以达到适用于分析软件的目的。例如:“性别”、“健康状况”、“家庭人均月收入”筹宁段,要把这些文本型变量转化为数值型变量,以家庭人均月收入为例(如表2)。经过处理,得到了86条记录,其中每个记录含有14个属性(1个决策属性和13个条件属性)。该数据集作为进入数据挖掘软件的测试数据集。4建立个人信用评分决策树模型1用spss软件生