基于決策樹算法的信貸風(fēng)險(xiǎn)評(píng)估模型

陸一

摘 要：農(nóng)村商業(yè)銀行控制運(yùn)營(yíng)成本、提升經(jīng)濟(jì)效益的重要手段是信貸風(fēng)險(xiǎn)管理，但是銀行每天都需要處理大量的信貸業(yè)務(wù)。本文針對(duì)農(nóng)村商業(yè)銀行信貸業(yè)務(wù)中風(fēng)險(xiǎn)較高等問(wèn)題，設(shè)計(jì)了一種基于決策樹算法的信貸風(fēng)險(xiǎn)評(píng)估模型。該模型具有較高的準(zhǔn)確率，為銀行信貸風(fēng)險(xiǎn)評(píng)估提供重要決策依據(jù)。

關(guān)鍵詞：決策樹 銀行信貸 風(fēng)險(xiǎn)評(píng)估

中圖分類號(hào)：F304.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）12（c）-0018-02

隨著近年來(lái)國(guó)家對(duì)中小金融企業(yè)發(fā)展的支持，農(nóng)村商業(yè)銀行的信貸業(yè)務(wù)的種類也日益豐富，信貸業(yè)務(wù)更加復(fù)雜，信貸風(fēng)險(xiǎn)管理系統(tǒng)有了更高的要求，因此只有通過(guò)先進(jìn)的管理工具和途徑、統(tǒng)一的信息化管理技術(shù)，這樣才能對(duì)信貸業(yè)務(wù)實(shí)行科學(xué)、規(guī)范化的管理，進(jìn)一步實(shí)現(xiàn)對(duì)信貸資產(chǎn)的有效的風(fēng)險(xiǎn)控制和有效監(jiān)管。

就浙江省來(lái)看，日前浙江省農(nóng)村信用社下的各農(nóng)村商業(yè)銀行（或正處于改革下的農(nóng)村合作銀行和農(nóng)村信用社）都是改革的攻堅(jiān)階段，隨著經(jīng)營(yíng)規(guī)模的不斷擴(kuò)大及其信貸業(yè)務(wù)種類的增加，信貸風(fēng)險(xiǎn)管理的難度也必然會(huì)加大，這更要依賴先進(jìn)的管理工具、統(tǒng)一的信息化技術(shù)，這樣才能科學(xué)規(guī)范化地管理信貸業(yè)務(wù)的過(guò)程。為了最大化地實(shí)現(xiàn)信息的共享，加強(qiáng)農(nóng)村商業(yè)銀行系統(tǒng)內(nèi)的信息規(guī)范化和數(shù)據(jù)的管理，構(gòu)建更為安全、有效、規(guī)范的信貸風(fēng)險(xiǎn)管理系統(tǒng)成為必然趨勢(shì)，這樣才能滿足新形勢(shì)下應(yīng)對(duì)農(nóng)村商業(yè)銀行經(jīng)營(yíng)的風(fēng)險(xiǎn)并且不斷擴(kuò)大業(yè)務(wù)規(guī)模，才能可持續(xù)地發(fā)展農(nóng)村商業(yè)銀行。

1 決策樹算法介紹

C4.5算法是決策樹生成的一種十分經(jīng)典的算法，這個(gè)算法是對(duì)ID3算法的優(yōu)化。針對(duì)ID3算法C4.5做的主要改進(jìn)有以下幾點(diǎn)：（1）通過(guò)信息增益來(lái)決定屬性分裂的值。（2）能夠處理處理連續(xù)性還有離散型數(shù)據(jù)。（3）把決策樹構(gòu)造完成后能夠進(jìn)行剪枝，簡(jiǎn)化決策樹。（4）能夠處理有缺失的樣本數(shù)據(jù)。

在C4.5算法中，只通過(guò)屬性的信息增長(zhǎng)率選擇分裂屬性的。如公示（1）所示，判斷屬性的分裂值即split information：

2 信貸風(fēng)險(xiǎn)評(píng)估模型

2.1 決策屬性選擇

以桐鄉(xiāng)市農(nóng)村信用合作社個(gè)人貸款客戶歷史數(shù)據(jù)中，取一小部分?jǐn)?shù)據(jù)作為訓(xùn)練集生成決策樹，并生成客戶信用等級(jí)評(píng)定模型。指標(biāo)的合理選取對(duì)于模型的有效性有著的影響，為了指標(biāo)的全面性以及準(zhǔn)確性，個(gè)人貸款客戶信用評(píng)估指標(biāo)體系共分為若干項(xiàng)，經(jīng)過(guò)仔細(xì)的調(diào)查研究，可以分為年齡、貸款與收入的比值，學(xué)歷、還貸與收入的比值，是否有違約記錄等5個(gè)屬性值，具體如表1所示。現(xiàn)隨機(jī)抽取兩萬(wàn)名客戶的信息進(jìn)行訓(xùn)練以生成決策樹。

年齡屬性：是從數(shù)據(jù)庫(kù)中的記錄的數(shù)據(jù)獲取。

學(xué)歷屬性：也是和年齡屬性一樣，都是通過(guò)數(shù)據(jù)庫(kù)的原始數(shù)據(jù)獲取。

貸款金額比：貸款金額比是貸款總金額和年收入的比值，通過(guò)該屬性可以判斷該客戶貸款的金額是否超出能力范圍。其計(jì)算公式：X3=貸款總金額/年收入。

還款金額比：還款金額比是月還款金額與月收入的比值，這個(gè)屬性可以判斷客戶的還款能力。計(jì)算公式：X4=月還款金額/（年收入/12）。

是否有違約記錄：該屬性是判斷用戶是否有違約記錄，具有一票否決權(quán)，即表示有任何違約記錄，就拒絕貸款。

2.2 決策樹剪枝

由于決策樹的建立完全是依賴于訓(xùn)練樣本，因此該決策樹對(duì)訓(xùn)練樣本能夠產(chǎn)生完美的擬合效果。但這樣的決策樹對(duì)于測(cè)試樣本來(lái)說(shuō)過(guò)于龐大而復(fù)雜，可能產(chǎn)生較高的分類錯(cuò)誤率。這種現(xiàn)象就稱為過(guò)擬合。因此需要將復(fù)雜的決策樹進(jìn)行簡(jiǎn)化，即去掉一些節(jié)點(diǎn)解決過(guò)擬合問(wèn)題，這個(gè)過(guò)程稱為剪枝。

剪枝方法分為預(yù)剪枝和后剪枝兩大類。預(yù)剪枝是在構(gòu)建決策樹的過(guò)程中，提前終止決策樹的生長(zhǎng)，從而避免過(guò)多的節(jié)點(diǎn)產(chǎn)生。預(yù)剪枝方法雖然簡(jiǎn)單但實(shí)用性不強(qiáng)，因?yàn)楹茈y精確的判斷何時(shí)終止樹的生長(zhǎng)。后剪枝是在決策樹構(gòu)建完成之后，對(duì)那些置信度不達(dá)標(biāo)的節(jié)點(diǎn)子樹用葉子結(jié)點(diǎn)代替，該葉子結(jié)點(diǎn)的類標(biāo)號(hào)用該節(jié)點(diǎn)子樹中頻率最高的類標(biāo)記。對(duì)于一個(gè)葉子節(jié)點(diǎn)，這個(gè)節(jié)點(diǎn)覆蓋了N個(gè)樣本，其中有e個(gè)是錯(cuò)誤的分類，那么整棵樹的錯(cuò)誤判斷值為，其中0.5為懲罰因子，通過(guò)經(jīng)驗(yàn)判斷，懲罰因子一般設(shè)定為0.5.那么對(duì)于一整顆樹的誤判率就為：

式（4）中，l為所有節(jié)點(diǎn)的個(gè)數(shù)表示該節(jié)點(diǎn)中的所有樣本，表示節(jié)點(diǎn)錯(cuò)誤的樣本。一旦求得的整個(gè)數(shù)的誤判錯(cuò)誤率的均值加上標(biāo)準(zhǔn)差，小于節(jié)點(diǎn)的均值誤差，那么就可以將子樹替換葉子節(jié)點(diǎn)，即表示為剪枝。

3 規(guī)則描述

根據(jù)C4.5決策樹模型，對(duì)給定的5個(gè)屬性構(gòu)建了一顆決策樹，其決策樹如圖1所示，為了更為清晰地了解決策模型，將決策樹轉(zhuǎn)變?yōu)橄铝幸?guī)則。決策樹將信用等級(jí)分為A、B、C、D這4個(gè)等級(jí)，其中信用等級(jí)為A的表示還款能力強(qiáng)，貸款風(fēng)險(xiǎn)低。D則表示信用等級(jí)最低，風(fēng)險(xiǎn)最高。根據(jù)決策樹模型來(lái)看，年齡較小，學(xué)歷越高則風(fēng)險(xiǎn)越低。年齡較大，學(xué)歷越低，并且貸款金額和收入比越高風(fēng)險(xiǎn)越大。

4 結(jié)語(yǔ)

本文針對(duì)農(nóng)村商業(yè)銀行信貸業(yè)務(wù)中風(fēng)險(xiǎn)較高等問(wèn)題，設(shè)計(jì)了一種基于決策樹算法的信貸風(fēng)險(xiǎn)評(píng)估模型。通過(guò)決策樹模型發(fā)現(xiàn)，在農(nóng)村商業(yè)銀行信貸業(yè)務(wù)中，年齡較小，學(xué)歷越高則風(fēng)險(xiǎn)越低。年齡較大，學(xué)歷越低，并且貸款金額和收入比越高風(fēng)險(xiǎn)越大。該模型對(duì)輔助信貸決策有著重要的作用。

參考文獻(xiàn)

[1] 侯斌甲.基于B/S架構(gòu)的個(gè)人信貸系統(tǒng)的研究與實(shí)現(xiàn)[D].蘭州大學(xué)，2016.

[2] 張韶峰.大數(shù)據(jù)在信貸和保險(xiǎn)領(lǐng)域的實(shí)踐[J].新經(jīng)濟(jì)，2016（19）：48-50.

[3] 張彥.河南農(nóng)信社信貸管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].天津大學(xué)，2016.

[4] 曹可雲(yún)荻.基于B/S結(jié)構(gòu)的商業(yè)銀行信貸管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].吉林大學(xué)，2016.

[5] 王宣強(qiáng).基于REST的銀行信貸系統(tǒng)API體系研究[J].金融電子化，2016（3）：79-80.

[6] 嚴(yán)曄瑋.建設(shè)銀行宜春分行小企業(yè)信貸管理系統(tǒng)的研究與分析[D].云南大學(xué)，2016.