數據挖掘技術在信用風險評估中的應用

摘要：信用風險是金融市場中最古老，也是最重要的風險形式之一，它是現代經濟體（特別是金融機構）所面臨的主要風險。對于微觀層次的信用風險評估來說，一個非常重要的問題就是指標的選擇。指標選擇的好壞直接影響到風險評估的準確性，為此文章提出使用數據挖掘技術選擇信用風險評估相關指標，給出了指標選擇算法，最后使用銀行數據做了實證分析，驗證了算法的有效性。

關鍵詞：信用風險；數據挖掘；指標選擇

一、 問題的提出

信用風險是金融市場中最古老，也是最重要的風險形式之一，它是現代經濟體（特別是金融機構）所面臨的主要風險。信用風險直接影響到現代社會經濟生活的各個方面，也影響到一個國家的宏觀經濟決策和經濟發展，甚至影響整個全球經濟的穩定與協調發展。

我國已正式加入WTO，加入WTO不僅是我國經濟融入世界，參與全球化競爭的標志，更重要的是要求我們在經濟活動的意識和做法上要與國際接軌，要完全按國際慣例行事。對銀行業來說，按國際慣例行事就是要遵守巴塞爾新資本協議的規定，公平競爭。由于國外企業和金融機構已經發展并采用了一系列的技術來度量和管理信用風險，我國企業和金融機構就必須在學習國外先進的、科學的度量和管理方法同時，結合我國實際情況，發展適合我國企業和金融機構的信用風險度量和管理技術，只有這樣才能在與國外同行的競爭中立于不敗之地。因此，對于我國來說，對信用風險度量和管理的研究具有重要的現實意義。

二、 數據挖掘技術應用在信用風險分析中可行性分析

數據挖掘出現于20世紀80年代后期，20世紀90年代有了突飛猛進的發展。數據挖掘是從大量數據中提取和“挖掘”知識。

商業銀行進行信用風險分析最重要的兩個因素是高質量的風險分析及管理信息系統和高素質的風險分析人員。從某種意義上說，高質量的風險分析及管理信息系統比高素質的風險分析人員更為重要。國內銀行界對這一點有充分地認識。制約商業銀行風險分析及管理水平提高的“瓶頸”首先在于數據基礎，而數據基礎建設又是銀行整個信息系統建設的有機組成部分。國內商業銀行在這方面有過不少教訓。隨著信息時代的來臨，信息技術在銀行的應用取得了長足進展，國內商業銀行在信息科技開發上投入力度都很大，但成效卻不如想象中那么大，甚至可以說成本和收益比失調。這其中一個主要的問題就是系統開發缺乏前瞻性和連續性。比如許多銀行在過去開發過程中，為了滿足不同階段、不同任務陸續開發不同的信息管理系統，而這些系統之間彼此信息冗余，且數據一致性很差，統計人員在不同口徑數據如何統一問題上疲于奔命，不僅沒有提高工作效率，反而增加了許多工作量，工作量的增加反過來又使統計數據質量難以切實保障，而基礎數據的不統一和準確性差造成的嚴重錯誤是不僅高層次的風險分析（信貸資產組合分析）根本無法展開，即使是簡單的分析工具也因為數據質量差而使分析結果缺乏可信度。因此國內商業銀行風險分析及管理能力不高的根本原因之一在于缺乏高質量風險分析及管理信息系統。系統制約風險分析是一個普遍問題。

根據西方商業銀行的經驗，風險分析及管理信息系統的結構基本由三部分組成：數據倉庫、中間數據處理器和數據分析層。就信用風險管理而言，前臺采集數據，將數據結果匯總到數據倉庫之中，以備后臺分析。數據倉庫至少要容納以下幾類信息：與行業相關的宏觀因素指標信息、客戶基本信息、授信合同信息、信貸賬務信息、擔保品信息、清償數據信息、企業財務信息等。中間數據處理器主要將前臺收集到的原始數據信息進行分類識別和處理，并抽取其內在特征，按照不同的結構和類型將其分別存儲到數據倉庫相應位置。數據分析層是數據處理的最高階段，它要根據風險分析及管理的不同需要從數據倉庫中提取信息進行分析。

由上面分析可知，隨著信息技術的發展及我國商業銀行對高質量信用風險分析及管理信息系統建設認識上的提高，我國的高質量信用風險分析及管理信息系統必將會科學合理地建立起來，而且會不斷地得到完善和發展。這樣就為解決現代信用風險分析中一些還沒有解決的問題提供了必要的條件和一種新的思路。信用風險分析及管理信息系統的數據倉庫中存有大量的事實數據，這些數據包括：信貸客戶的基本信息、企業主要管理人員及主要家屬基本情況、客戶重大事項、企業大事登記、企業所屬行業、破產日期、違約類別、債務結構等諸多數據信息，這些信息對信用風險分析來說是十分必要和珍貴的，那么這些數據如何被應用，如何從中尋找對信用風險分析有用的知識（規則），來解決數據豐富但信息貧乏的問題呢？我們自然想到了數據挖掘技術，在這樣存有大量信息的數據倉庫中挖掘隱含的知識正是數據挖掘技術的專長。這里舉一個例子來說明數據挖掘技術可以怎樣用在信用風險分析中（當然這只是它應用的一部分）。比如我們使用專家系統來進行信用風險的定性分析，專家系統進行定性分析的依據是抽象為規則的專家知識，也就是說系統依賴用戶和領域專家人工地將知識輸入知識庫，因此這一過程常常會有偏差和錯誤，并且耗時，另外值得一提的是信用風險分析的專家知識或多或少都會有一定的主觀性在里面，這樣對評估結果的準確性是有影響的。而數據挖掘技術可以利用信用風險分析及管理信息系統的存有大量事實數據的數據倉庫，從中客觀地挖掘評估規則，然后將這些規則存入專家系統的知識庫，從而為決策提供依據，而且這樣的過程是自動的。根據這些規則產生的評估結果會更客觀，更準確。

由此可見，隨著信息技術的發展，信用風險分析及管理系統的不斷完善，數據倉庫中數據的不斷豐富，數據挖掘技術在信用風險分析領域的應用會有廣闊的前景。

三、 基于數據挖掘技術的指標選擇

微觀信用風險評估的指標包括：企業財務狀況、企業管理者素質、企業經營狀況等。根據企業戰略管理理論的外部、內部分析的思想：外部、內部分析并不是要列舉無窮多的所有會影響企業經營的因素。相反，它只是要確認那些關鍵的、值得作出反應的變化因素。因此，我們要對影響企業信用風險水平的微觀因素進行綜合分析，首先我們要做的就是在微觀因素的眾多指標中找到對企業信用風險水平影響最大的指標（也就是說，找到與企業信用風險水平關聯性最強的指標）。找到這樣的指標，可以降低分析數據的維數，而且信用風險分析結果的質量不受影響。

為了進行指標選取，我們使用數據挖掘功能中的關聯分析技術。關聯分析挖掘發現大量數據中項集之間的關聯和相互聯系。關聯分析廣泛用于購物籃和事務處理的分析。它挖掘的一個典型例子是購物籃分析，該過程通過發現顧客放入購物籃中不同商品之間的聯系，分析顧客的購買習慣。我們這里使用的算法是Apriori算法。Apriori算法是一種最有影響的挖掘關聯規則頻繁項集的算法，由頻繁項集可以直截了當地產生強關聯規則。算法的名字基于這樣的事實：算法使用頻繁項集性質的先驗知識。Apirori使用一種稱作逐層搜索的迭代算法，k項集用于探索（k+1）項集。首先，找出頻繁1—項集的集和。該項集記作L1。L1用于找頻繁2—項集的集和L2，而L2用于尋找L3，如此下去，直到不能找到頻繁k項集。找每個Lk需要一次數據庫掃描。

為了驗證Apriori算法的可行性，我們根據某商業銀行提供的數據，構造了一個數據庫，該數據庫包含有二千多項事實數據，數據庫構造過程如下：將現有貸款樣本的模糊化數據構成數據庫，模糊化過程為：

1． 領導者素質、企業經濟實力和信譽狀況三項由專家打分確定。

2． 資產負債率、流動比率、速動比率、凈利潤率和銷售增長值根據同行業的具體標準確定。

這樣，每項貸款的風險要素模糊化的表示如下：X₁=資產負債率={X₁₁好，X₁₂中，X₁₃差}；X₂=流動比率={X₂₁好，X₂₂中，X₂₃差}；X₃=速動比率={X₃₁好，X₃₂中，X₃₃差}；X₄=凈利潤率={X₄₁好，X₄₂中，X₄₃差}；X₅=銷售增長值={X₅₁好，X₅₂中，X₅₄差}；X₆=領導者素質={X₆₁好，X₆₂中，X₆₃差}；X₇=企業經濟實力={X₇₁好，X₇₂中，X₇₃差}；X₈=信譽狀況={X₈₁好，X₈₂中，X₈₃差}；用Y₁表示貸款風險分類為“正常”，用Y₂表示貸款的風險分類為“損失”，在此基礎上通過應用Apriori算法尋找數據庫中的頻繁項集，來找出影響貸款風險分類的主要因素。

使用數據庫一條記錄舉例如下，該數據庫表示如下：Y₁，X₁₁，X₂₂，X₃₁，X₄₁，X₅₃，X₆₁，X₇₂，X₈₁則意指為：

信用風險分類為“正常”；資產負債率=好；流動比率= 中；速動比率=好；凈利潤率=好；銷售增長值=差；領導者素質=好；企業經濟實力=中；信譽狀況=好；

我們使用C＋＋語言實現Apriori算法，通過Apriori算法掃描前面我們構造的事實數據庫，算法找出與信用風險分類最相關的五個要素為：流動比率，凈利潤率，銷售增長值，領導者素質和企業經濟實力。上面的五個指標分別體現了企業的流動性、增長性、盈利性等方面的情況，這五個指標和進行信用風險評估時所使用的經典指標是基本一致的。因此可以證明基于Apriori算法選擇與信用風險相關的關鍵指標的方法是可行的。

參考文獻：

1．（加）Jiawei Han，Micheline Kamber著．范明，孟小峰等譯．數據挖掘概念與技術．北京：機械工業出版社，2001．

2．張維，李玉霜．商業銀行信用風險分析綜述．管理科學學報，1998，（3）：20-27．

3．朱明，楊保安．基于知識的銀行貸款分類系統．CJCAI，2001：231-235．

4．黃娟，馮玉強，王洪偉．基于聯接歸納推理的信貸風險評估集成智能系統．計算機應用研究，1999，（9）：74-16．

5．王春峰，萬海暉，張維．商業銀行信用風險評估及其實證研究．管理科學學報，1998，（1）：68-72．

6．（美）約翰·B·考埃特，愛德華·I·愛特曼，保羅·納拉亞南著．石曉軍等譯．演進著的信用風險管理．北京：機械工業出版社，2001．

7．李志輝．現代信用風險量化度量和管理研究．北京：中國金融出版社，2001．

作者簡介：馬海英，博士（數量經濟學），華東理工大學商學院講師；郭鈺，華東理工大學投資管理中心助教。

收稿日期：2006-10-23。