淺析初創(chuàng)期信貸產(chǎn)品申請(qǐng)?jiān)u分建模方法范文

本站小編為你精心準(zhǔn)備了淺析初創(chuàng)期信貸產(chǎn)品申請(qǐng)?jiān)u分建模方法參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

當(dāng)前，我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入了新時(shí)代，金融信貸產(chǎn)品不斷創(chuàng)新，尤其是在金融科技發(fā)展的帶動(dòng)下，各種信貸新渠道和新產(chǎn)品層出不窮，新產(chǎn)品和新渠道投產(chǎn)初期統(tǒng)稱為“初創(chuàng)期信貸產(chǎn)品”。根據(jù)《巴塞爾協(xié)議Ⅲ》，建立評(píng)分模型需要大量的歷史數(shù)據(jù)。一般來(lái)說(shuō)，樣本容量越大，壞客戶比重越大，所建立模型的精度或預(yù)測(cè)能力就越高，模型也越穩(wěn)健。初創(chuàng)期信貸產(chǎn)品沒(méi)有數(shù)據(jù)積累或者僅有少量數(shù)據(jù)，無(wú)法給新用戶建立量化監(jiān)督模型，這是信貸產(chǎn)品初創(chuàng)期風(fēng)險(xiǎn)控制的一大難題。許多金融工作者認(rèn)為，信貸產(chǎn)品的經(jīng)營(yíng)是風(fēng)險(xiǎn)經(jīng)營(yíng)，在產(chǎn)品創(chuàng)立初期如何控制風(fēng)險(xiǎn)是亟待解決的重點(diǎn)問(wèn)題，對(duì)于各銀行尤其是農(nóng)商行、城商行以及互聯(lián)網(wǎng)公司、小額貸款公司等新興助貸公司而言，大數(shù)據(jù)風(fēng)控能力已經(jīng)成為其開(kāi)展信貸業(yè)務(wù)的核心競(jìng)爭(zhēng)力。

一、研究背景

不同金融機(jī)構(gòu)都有各自的風(fēng)險(xiǎn)容忍度指標(biāo)，由于地域、客戶、政策、產(chǎn)品特性等差異影響，新產(chǎn)品不可能照搬套用其他機(jī)構(gòu)或本機(jī)構(gòu)其他產(chǎn)品的模型，因此難以建立統(tǒng)一標(biāo)準(zhǔn)的貸前申請(qǐng)評(píng)分模型。隨著金融體系不斷完善，征信體系建設(shè)也越來(lái)越迫切，包括人民銀行征信中心在內(nèi)的各大征信機(jī)構(gòu)都在積極探索社會(huì)征信體系建設(shè)，這些信用評(píng)分在市場(chǎng)上受到金融機(jī)構(gòu)的青睞，有些機(jī)構(gòu)直接使用征信評(píng)分作為準(zhǔn)入授信的依據(jù)。當(dāng)然，這些評(píng)分在數(shù)據(jù)、模型以及場(chǎng)景上都有其局限性，因此，各大機(jī)構(gòu)仍然積極建設(shè)專屬量化評(píng)分模型。對(duì)于信貸產(chǎn)品投產(chǎn)初期申請(qǐng)?jiān)u分建模的學(xué)術(shù)研究較少，國(guó)內(nèi)外金融機(jī)構(gòu)也在積極探索尋找解決這一問(wèn)題的新途徑，很多金融企業(yè)已經(jīng)運(yùn)用統(tǒng)計(jì)方法或者其他策略來(lái)控制風(fēng)險(xiǎn)，但是并沒(méi)有公布使用效果和具體操作流程。本文歸納出初創(chuàng)期信貸產(chǎn)品申請(qǐng)信用評(píng)分建模的幾種方案，討論其適用場(chǎng)景及優(yōu)缺點(diǎn)，拋磚引玉，為信貸部門新產(chǎn)品信用風(fēng)險(xiǎn)控制提供解決思路。

二、建模方法介紹

來(lái)自多家銀行的數(shù)據(jù)表明，信貸產(chǎn)品上線早期不采取量化模型方法，而僅僅依托經(jīng)辦人員和系統(tǒng)規(guī)則很難綜合評(píng)估客戶的信用風(fēng)險(xiǎn)以識(shí)別出高風(fēng)險(xiǎn)客戶，因此，隨著時(shí)間窗口的擴(kuò)大，較早以前準(zhǔn)入的客群不良率普遍較高。針對(duì)產(chǎn)品初創(chuàng)期基本無(wú)數(shù)據(jù)積累的特點(diǎn)，可以考慮以下幾種建模方案。1.類產(chǎn)品模型在一個(gè)新的信用產(chǎn)品推廣初期，可以找到與之相類似的產(chǎn)品，用類似產(chǎn)品的樣本建模是一個(gè)不錯(cuò)的選擇，當(dāng)然，這需要金融機(jī)構(gòu)有類似的產(chǎn)品和相應(yīng)數(shù)據(jù)積累。這種方法的優(yōu)點(diǎn)是只需要按照原有思路調(diào)整建模，缺點(diǎn)是難以保證相同產(chǎn)品客戶結(jié)構(gòu)的一致性，畢竟相同產(chǎn)品、相同渠道產(chǎn)品的幾率較低，企業(yè)不會(huì)重復(fù)開(kāi)發(fā)同類產(chǎn)品，當(dāng)客群結(jié)構(gòu)不一致時(shí)，模型會(huì)失真，因此，這種方法應(yīng)慎用。少數(shù)銀行使用這種方法作為參考，但是并不作為主模型決策使用。2.偽風(fēng)險(xiǎn)模型開(kāi)放準(zhǔn)入條件，允許一部分客戶進(jìn)來(lái)，客戶數(shù)量要達(dá)到建立分類模型需要的最低樣本量，但是壞樣本還沒(méi)有那么多，這時(shí)候可以考慮人工標(biāo)注好壞樣本，選擇一些有豐富經(jīng)驗(yàn)的信審人員挑選出壞客戶，利用標(biāo)記樣本建立臨時(shí)的監(jiān)督模型。這種方法建立的模型準(zhǔn)確率會(huì)存在偏向性，只可以作為初期模型，后期需要繼續(xù)完善。這種模型的缺點(diǎn)是代價(jià)較高，要求金融機(jī)構(gòu)能承擔(dān)一定的風(fēng)險(xiǎn)，而且需要人工標(biāo)記樣本，存在一定的操作風(fēng)險(xiǎn)，因此，很少有金融機(jī)構(gòu)采用此方法建模。3.綜合評(píng)價(jià)法綜合評(píng)價(jià)法是將多個(gè)指標(biāo)通過(guò)數(shù)學(xué)變換轉(zhuǎn)化成一個(gè)綜合指標(biāo)，重點(diǎn)在于評(píng)估指標(biāo)體系設(shè)計(jì)和權(quán)重的確定，綜合評(píng)價(jià)法有因子分析、灰色綜合評(píng)價(jià)、TOPSIS評(píng)價(jià)、DEA、模糊數(shù)學(xué)等方法。金融機(jī)構(gòu)可以組織專家，也可以借鑒評(píng)分卡相關(guān)變量確定信用風(fēng)險(xiǎn)綜合評(píng)價(jià)指標(biāo)體系，然后選擇綜合評(píng)價(jià)方法確定各指標(biāo)的權(quán)重，加權(quán)計(jì)算出每個(gè)申請(qǐng)人的風(fēng)險(xiǎn)評(píng)分。這種方法的優(yōu)點(diǎn)是操作簡(jiǎn)單，權(quán)重確定主要從數(shù)據(jù)角度出發(fā)，而非主觀確定，缺點(diǎn)是指標(biāo)體系建設(shè)需要專家級(jí)的信審人員，而現(xiàn)實(shí)中往往缺乏足夠的專家級(jí)人員。4.相似度模型相似度模型主要采用聚類算法，根據(jù)不同特征，將好壞客戶分成不同的群體，當(dāng)然我們要基于一定假設(shè)，即選擇的模型能區(qū)分好壞客戶。這種方法比較粗糙，直接將壞客戶作為異常樣本識(shí)別出來(lái)。聚類分析按照業(yè)務(wù)規(guī)則進(jìn)行判別，擬合正常行為的分布，尋找離正常數(shù)據(jù)分布較遠(yuǎn)的異常值數(shù)據(jù)。通過(guò)聚類分析可以幫助我們分析用戶的特點(diǎn)，查找各群體內(nèi)的異常用戶。聚類分析的基本思想是根據(jù)樣本的多個(gè)屬性指標(biāo)，尋找一個(gè)統(tǒng)計(jì)量來(lái)度量樣品之間的相似程度，以該統(tǒng)計(jì)量為分群的標(biāo)準(zhǔn)，將相似程度較大的樣品聚為一類。關(guān)系密切的聚合到一個(gè)小的分類單位，關(guān)系疏遠(yuǎn)的聚合到一個(gè)大的分類單位，直到劃分為合理的群體為止。具體步驟是將樣品分類，然后在每個(gè)聚類中尋找在某種意義上與該聚類中的大多數(shù)樣品不同的樣品。首先，通過(guò)快速聚類將樣品進(jìn)行初步歸類，選擇規(guī)模較大、群體相似度較高的群對(duì)應(yīng)的種子（也就是選擇聚類種子時(shí)剔出異常點(diǎn)）；然后，以這些種子作為初始化的聚類種子對(duì)樣品再次進(jìn)行聚類，這樣就將距離較遠(yuǎn)的群體或個(gè)體聚到每個(gè)大類下，再選出離質(zhì)心距離較遠(yuǎn)的個(gè)體作為離群點(diǎn)。這一步往往只能依靠研究人員的經(jīng)驗(yàn)和關(guān)鍵指標(biāo)在不同類別上的顯著性檢驗(yàn)來(lái)確定。5.第三方通用評(píng)分當(dāng)前，中國(guó)信貸市場(chǎng)高速發(fā)展，信用服務(wù)市場(chǎng)向好，市場(chǎng)化信用服務(wù)機(jī)構(gòu)正通過(guò)各種方式解決問(wèn)題，政府及各行業(yè)數(shù)據(jù)共享進(jìn)程不斷加快。從行業(yè)上看，第三方評(píng)分主要有以下幾種：一是政府權(quán)威機(jī)構(gòu)的數(shù)據(jù)，主要是人民銀行征信報(bào)告和征信1000分，基本融合國(guó)內(nèi)所有銀行的信貸數(shù)據(jù)及政府?dāng)?shù)據(jù)，如公積金、水電煤燃等信息；二是互聯(lián)網(wǎng)金融公司的數(shù)據(jù)和評(píng)分，如首批獲得個(gè)人征信牌照的八家征信金融機(jī)構(gòu)等的數(shù)據(jù)和評(píng)分；三是具有運(yùn)營(yíng)商背景的如電信旗下的甜橙金融開(kāi)發(fā)的甜橙分以及中國(guó)聯(lián)通的沃信用分；四是市場(chǎng)上數(shù)據(jù)服務(wù)公司的評(píng)分，如同盾科技信用分、百融金服信用分等融合多數(shù)據(jù)源形成的評(píng)分。從目前使用覆蓋率來(lái)看，人行征信分和芝麻信用分覆蓋人群多，覆蓋面廣，是最受金融機(jī)構(gòu)歡迎的第三方信用產(chǎn)品。直接用“通用化評(píng)分”對(duì)客戶進(jìn)行信用評(píng)級(jí)操作簡(jiǎn)單，但是需要一定的成本，由于數(shù)據(jù)孤島的存在，不同評(píng)分都依托特定場(chǎng)景，行業(yè)或場(chǎng)景針對(duì)性強(qiáng)。

三、評(píng)分模型的迭代更新

就中國(guó)目前的情況而言，征信體系不夠發(fā)達(dá)，消費(fèi)信用產(chǎn)品還比較單一，有關(guān)消費(fèi)信用分析的專家還不多，這些問(wèn)題都會(huì)影響以上方案的有效性。因此，金融機(jī)構(gòu)可以根據(jù)具體情況選擇使用多種方法綜合控制信用風(fēng)險(xiǎn)，例如，可以運(yùn)用第三方評(píng)分和專家評(píng)分等構(gòu)建決策矩陣模型，通過(guò)相似度模型識(shí)別出異常客戶。此外，要基于跨行業(yè)聯(lián)防聯(lián)控理念，以客戶提供信息為基礎(chǔ)，利用海量數(shù)據(jù)和職能模型的關(guān)聯(lián)分析，對(duì)申請(qǐng)人的風(fēng)險(xiǎn)傾向作出更多的信息評(píng)估，運(yùn)用于授信和客戶定價(jià)，為銀行提供更精準(zhǔn)的信貸決策方案。模型迭代更新伴隨著產(chǎn)品的生命周期而進(jìn)行，產(chǎn)品初創(chuàng)期使用的模型隨著產(chǎn)品的成長(zhǎng)成熟需要不斷迭代。隨著好壞客戶樣本的不斷累積，模型不斷積累經(jīng)驗(yàn)，形成自學(xué)習(xí)、自適應(yīng)學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和對(duì)抗學(xué)習(xí)，生成對(duì)抗神經(jīng)網(wǎng)絡(luò)的方法，利用判別模型和生成模型之間形成對(duì)抗學(xué)習(xí)，實(shí)現(xiàn)兩個(gè)神經(jīng)網(wǎng)絡(luò)模型的交互信息均衡，可部分解決建模樣本不完備和不均衡的問(wèn)題，提高對(duì)申請(qǐng)模型的識(shí)別能力。

作者：王方春 宋潔 單位：徽商銀行信用卡中心