一種基于k-means的客戶信用內部分級評分模型

常宏偉

摘要：在金融行業不斷創新發展的背景下，伴隨著量化工具的快速發展，宏觀經濟環境和金融市場急劇變化，銀行業面臨的風險出現復雜化和多樣化的特點，客戶信用風險這一銀行主要風險也在深刻劇烈變化，運用客戶信用內部評分可以顯著加強銀行風險控制，基于k-means方式提出一種客戶信用內部分級評分模型，能夠動態、有效控制風險。

關鍵詞：客戶信用；內部分級評分模型；k-means；控制風險

一、前言

隨著世界經濟的快速發展，物流、資金流、信息流快速完成全球流動，金融作為一種重要的工具有效促進了經濟全球化的快速發展，金融國際化是經濟全球化的重要組成部分，主要表現為金融市場國際化、金融交易國際化、金融機構國際化和金融監管國際化。金融國際化推動了經濟全球化的發展。金融國際化是指一國的金融活動超越本國國界，脫離本國政府金融管制，在全球范圍展開經營、尋求融合、求得發展的過程。金融國際化是經濟全球化的重要內容。但是我們也應該看到，目前世界發展的不穩定因素增多，經濟增長乏力，霸權主義、極端主義等深刻影響世界的發展，逆全球化發展的可能性在增加，宏觀經濟環境和金融市場急劇變化，各個國家長期財政赤字，且規模越來越大。由于經濟不振，銀行系統長期采取貨幣寬松政策。從二級市場看，以量化為代表的算法和工具加劇了二級金融市場波動，銀行業面臨的風險出現復雜化和多樣化的特點。銀行主要以高杠桿的存貸款業務為主要盈利手段，提高風險控制能力至關重要，客戶信用內部分級評分模式是提高風險控制能力的重要方法之一。

二、商業銀行業務

（一）商業銀行負債業務

即商業銀行資金管理和吸收市場資金業務，其中活期存款最多。

（二）商業銀行的資產業務

指將吸收來的資金進行貸款和投資業務。

（三）商業銀行中間業務

即銀行作為代銷商或中間商合作開展業務，并收取代銷基金業務等費用。

這是商業銀行的三大基本業務，其中資產業務和中間業務主要由銀行的業務能力和專業能力決定，不在本文的討論范圍之內，而貸款業務則是銀行最重要的業務，也是銀行的主要盈利來源。

三、商業銀行貸款業務

信貸業務又稱為貸款業務[1]，是指發放給借款主體為具有完全民事行為能力的自然人或持有工商行政管理機關核發的非法人營業執照的個體工商戶、個人獨資企業、個人合伙企業業主的所有貸款，包括貸款本金和利息。這是商業銀行主要的資產業務，通過放款收回本息，獲得利潤，信貸是主要贏利手段。由于貸款后款項不由銀行掌握，因此存在無法收回本息的風險，所以應在遵守人民銀行、銀保監會建立的嚴格的貸款制度上，建立貸款的審核流程和客戶分級評分體系[2][3]。擅長甄別優質企業的銀行，從達不到債券市場門檻的企業中，去挑選出信譽好的企業，并獲取較高的貸款收益率。這個收益率扣除了信息生產成本之后，依然會有超額。這部分超額回報，稱為貸款業務的特許價值。因為如果沒有銀行的甄別能力，這些企業因為達不到在債券市場融資的條件將很難融資。這種特許價值是對銀行甄別能力的回報。如果銀行沒選擇去做這些甄別工作，而只選擇去為那一群最安全的企業放貸，那么它們的貸款利率只能在債券市場的收益率附近，甚至是無風險利率附近。

四、商業銀行貸款業務風險

（一）宏觀經濟環境

地緣政治沖突放大了經濟周期波動[4]，并且對全球整體經濟活動產生長期負面影響，對美國、中國貿易，工業生產以及就業市場的影響將持續很長時間。同時地緣政治動蕩也將顯著沖擊全球主要資本市場，這次俄烏沖突反應明顯，全球各大主要股市都出現不同下跌。另外，地緣政治動蕩將推升了全球的大宗商品價格，導致通脹的上升，在經濟不景氣的情況下致使各國央行陷入了政策矛盾中。

（二）金融市場環境

隨著經濟的快速發展和金融衍生品的開發[5]，金融市場得以快速發展，但是在快速發展的同時，我們也應該看到一些問題。金融的創新首先考慮風險問題，但是很多金融產品的推出更多以盈利為目的，忽視了金融的復雜性，尤其是這些年來非標產品、P2P、互聯網金融、打著信托旗幟的通道產品和業務，復雜的金融衍生品等嚴重沖擊了有序的金融市場。這些產品和服務隱藏很多風險在其中，一旦其中一個暴雷，基于金融的關聯性會來帶系統性的風險，其潛在隱藏的風險不容忽視。

（三）商業銀行主體

近些年來，隨著經濟增速放緩，銀行增量市場減小，存量競爭激烈，經營壓力增大。隨著我國名義GDP增速放緩[6]，銀行業總資產增速中樞明顯下移，近幾年銀行總資產增速基本在個位數水平。而在增量放緩的情況下，存量競爭日益激烈，銀行面臨凈息差收窄、信用風險持續暴露等經營壓力，凈利潤增速也處于低位，因此銀行抵御宏觀風險的能力有所下降，體現在銀行的資產質量下降，不良貸款率上升、拔備覆蓋率下降、壞賬增加等方面。近年來，監管部門不斷要求銀行加強風險管理、壓實資產質量，銀行業整體風險可控。雖然當前銀行業不良貸款率仍然處于高位，但考慮到確認力度增強，以及關注類貸款占比下降，當前銀行資產質量風險比2015年前后的峰值水平已經降低，當前銀行業整體風險可控。此外，目前銀行業撥備覆蓋率為197%，整體而言仍然有一定緩沖空間。

商業銀行貸款業務的宏觀風險和金融市場風險是由市場決定的，并不是銀行本身能夠控制相關風險，因此不做討論。本文主要討論銀行主體控制的風險的能力，主要體現在授信操作業務流程和客戶信用內部分級評分模型。通過授信操作業務流程規范操作步驟，通過客戶信用內部分級評分更好的對客戶進行畫像，進行客戶償債能力分級評分，進而刻畫客戶信用內部分級評分，基于分級評分進行貸款額度的審批和發放。

五、商業銀行貸款業務風險控制模型

（一）商業銀行授信客戶和授信業務評級業務的操作

客戶經理對授信對象進行調研[7]；對授信對象的政治、經濟、法律、社會等環境進行分析；支行行長負責對客戶經理授信對象風險評級、業務風險進行審批；授信調查員對上報的授信對象風險評級、授信業務進行審查；授信處高經負責對經審查員審查后的授信對象風險評級、授信業務風險評級進行審查；貸審會對經高經審查后的授信對象風險、授信業務風險進行審查；最終行長根據貸審會意見簽署意見。

（二）商業銀行客戶內部信用分級評分分類

為了盡量減少違約事件（貸款無法收回成為壞賬）的發生，商業銀行需要對客戶進行信用評價，對客戶貸款的全生命周期進行管理。在這樣的需求背景下，信用評級應運而生。商業銀行利用客戶的屬性、交易行為、資產和負債數據，以及可獲取的合法的第三方數據（例如中國人民銀行征信中心）進行分析，探索客戶特征與違約行為之間的關系，并將其發展成為信用分級評分模型，用于對新客戶未來的信用表現做出預測。信用評級不僅在銀行業得到廣泛應用。

一般而言，信用評級分為內部評級和外部評級兩種方式。外部信用評級是指第三方機構提供的客戶分級評分；另一種是銀行自行開發的信用評級體系。外部信用評級一般借用第三方信用數據進行評級。每家信用評級機構都有信用評價體系，而這種體系的形成與完善離不開數據的支撐，因此數據資源是信用評估機構最重要的生產物料。內部信用評級一般由銀行利用自有數據和可獲取的第三方數據資源建立模型，進行貸前審批、貸款定價以及貸中和貸后管理等銀行客戶信用內部管理領域中，實現了信用風險的量化管理，提高審批額度準確度和控制風險。信用評價的主要衡量指標就是客戶的違約概率，評級方式一般有兩種：其一，基于歷史數據進行評價，一般應用于客戶的準入和貸前審批；其二，基于客戶當前行為進行評價，用于反映客戶的實時信用狀況，多用于貸中和貸后管理。

Lehmann認為內部信用評級作為信用風險管理[8-9]的重要手段之一，在進行信息的收集、分析及評價的基礎上，銀行在此基礎上根據自己的模型進行客戶分級評分，JPMORGAN開發了creditmetrics模型，kmv模型等指標。在商業銀行內部，我國王學永指出銀行內部存在評級方法存在落后問題，部分專家也提出吸收西方的先進經驗，積累內部數據，優化權重，強化貸款五級分類問題等內部分級評分評級[10]方法。

六、商業銀行信用評級分類

（一）商業銀行貸款五級分類

根據《中國銀監會關于印發<貸款風險分類指引>的通知》（銀監發〔2007〕54號），商業銀行至少應將貸款劃分為正常、關注、次級、可疑、損失五類，后三類合稱為不良貸款。這五級分類貸款是銀保監會對貸款進行的一種分類方法，是一種通用分類方法，這種方法側重于事后跟蹤貸款情況。

（二）商業銀行內部信用評級分類現狀

銀保監會的貸款五級分類主要服務于事后跟蹤，但是在貸前的分級評分分類模型則由各個銀行自己設定，從西方發達國家商業銀行運用分級評分經驗看，其將不同的類型潛在的信用風險進行整合和識別，運用標準化的模型進行量化，有利于商業銀行信用風險管理的標準化和標準化。

從公開資料可查詢到部分商業銀行的分級評分方法。例如JN農商銀行按照9級分類對客戶進行分級評分，從高到低依次為AAA、AA、A、BBB、BB、B、CCC、CC、C，其將客戶分為四大類，針對不同類型的客戶，依據不同的評級結果進行分類，如表1所示。

例如某農信社提出的CRM經營模式，也是依據收集的客戶信息對客戶進行分類，針對性的提供差異化產品服務。客戶信用評級分為三級指標，一級指標是客戶的最終分級評分，二級指標是影響一級的重要因素，結合了客戶的基本信息、家庭信息、資產信息等，三級指標又是二級的重要影響因素，主要是本人與家庭成員的負債情況，擔保情況，違法情況等。在運用了層次分析法和德爾菲法[11]，基于系統現有數據，形成定量為主、定性為輔的信用評價體系。

這些客戶信用內部分級評分模型從基于金融理論為基礎，從銀行角度對客戶信用[12]進行分級評分逐漸轉變為基于金融理論結合行為學為基礎，基于系統現有的客戶多維數據進行客戶畫像，在此基礎上對客戶信用進行分級評分。但是這些分級評分模型存在一些不足：1.缺乏從客戶信用角度思考進行分級評分；2.數據維度不足或者有效性有待提升。在此基礎上提出了一種基于k-means的客戶信用內部分級評分模型。

七、一種基于k-means的客戶信用內部分級評分模型

基于人類行為學理論，實際上所有人的行為都是具有相似性的，因此基于數據挖掘模型k-means聚類模型可以反映出客戶的真實行為，利用多維有效數據對客戶信用進行內部分級評分。

（一）分級評分數據

結合系統存儲的數據和有效數據分析，某大型銀行S省分行采用了多維數據模型。1.客戶基本信息（年齡，職業）；2.交易流水（交易頻次，交易金額）；3.資產信息（存款、理財等）；4.征信信息；5.資產負債比信息（資產、信貸、信用卡）。

1.客戶基本信息Z₁（年齡，收入）

年齡N信息按照分段評級，滿分為1，根據風險承擔能力服從類似正態分布，根據經驗分為18歲以下（0.4），18—35（0.8），35—55（1），55以上（0.2）。收入信息W按照分段評級，滿分為1，根據風險承擔能力服從對數分布，根據經驗分為6萬元以下（0.2），10萬元以下（0.4），20萬元以下（0.5），20-50萬元（0.7），50萬元以上（0.8），100萬元以上（1）。

客戶基本信息評分值：J=α×N+β×W（1）

2.交易流水Z₂（交易頻次P，交易金額E）

從交易行為學角度看，交易流水頻次和交易流水是判斷客戶行為進而對客戶信用內部分級評分非常重要的一種信息，重點觀察過去4個季度交易頻次、交易金額的均值與極大值的關系。

根據數據庫計算出過去4個季度的流水頻次均值P；過去四個季度的流水金額均值E；過去一個季度流水頻次P1，過去一個季度流水金額E1。

交易流水信息評分值：L=P1/P+E1/E（2）

3.資產信息Z₃（存款、理財等）

資產信息即是一種時點信息，可以知曉客戶的時點資產信息；也是一種動態趨勢信息，可以通過資產趨勢判斷客戶的資金實際使用情況。從交易行為學角度看，重點觀察過去4個季度資產信息的均值與極大值的關系。

根據數據庫計算出過去4個季度的資產均值?；過去一個季度資產均值Z。

交易流水信息評分值：Z₃=Z/?（3）

4.征信信息Z₄

征信信息是主要查詢人行征信數據庫返回的個人征信數據，根據人行返回的個人征信信息分為AAA、AA、A、BBB、BB、B、CCC、CC、C三等九級，評分依次對應評分為1、0.9、0.8、0.7、0.6、0.5、0.4、0.3、0.2九個評分。

5.資產負債比信息Z₅（資產、信貸、信用卡）

資產負債比是判斷客戶風險能力很重要的一個指標，依據本行信貸條線的客戶季度負債信息，包括信貸和信用卡的負債信息F、客戶季度資產信息Z。通過這個比值，判斷客戶出現信用風險時商業銀行可化解風險的能力。

資產負債比信息評分值：Z₅=F/Z（4）

（二）聚類模型

聚類算法是數據挖掘中的一項重要技術，其目的是使聚類后同一類的數據盡可能聚集在一起，不同的數據盡可能分離。聚類模型既有有監督的場景又有無監督的場景。經過一定的改造，還可以適用于半監督的場景。聚類算法主要有k-means聚類算法，這種算法最為熟悉的聚類算法。它在許多的工業級數據科學和機器學習課程中都有被講解。Mean-shift聚類是一個基于滑窗的算法，嘗試找到數據點密集的區域。它是一個基于質心的算法，也就是說他的目標是通過更新中心點候選者定位每個組或類的中心點，將中心點候選者更新為滑窗內點的均值。這些候選滑窗之后會在后處理階段被過濾，來減少鄰近的重復點，最后形成了中心點的集合和他們對應的組。高斯混合模型（GMMs）具有更好的靈活性比k-means。使用GMMs，我們需要假設數據點是高斯分布，相對于環形的數據而言，這個假設的嚴格程度與均值相比弱很多。這樣的話，我們有兩個參數來描述簇的形狀：均值和標準差。以二維為例，意味簇可以是任何一種橢圓形（因為我們有兩個標準差在x和y方向）。因此，每個高斯分布會被分配到單一的聚類簇。這些算法都在不同的應用場景中有所應用。隨著數據量的迅速增加如何對大規模數據進行有效的聚類成為挑戰性的研究課題，面向大數據的聚類算法對傳統金融行業的股票投資分析、互聯網金融行業中的客戶細分等金融應用領域具有重要價值，本文使用k-means模型對銀行客戶信用內部分級評分。

1.k-means模型

k-means聚類算法是一種迭代求解的聚類分析算法，其步驟是隨機選取K個對象作為初始的聚類中心，然后計算每個對象與各個種子聚類中心之間的距離，把每個對象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對象就代表一個聚類。每分配一個樣本，聚類的聚類中心會根據聚類中現有的對象被重新計算。這個過程將不斷重復直到滿足某個終止條件。終止條件可以是沒有（或最小數目）對象被重新分配給不同的聚類，沒有（或最小數目）聚類中心在發生變化，誤差平方和局部最小。基于k-means算法進行客戶信用內部分級評分其核心是使用模型算法對對象進行聚類分析，這種聚類分析是基于客觀數據對對象分類，而不是根據人的主觀意愿對對象進行分類，能夠客觀反映相似對象的關聯性。

（三）客戶信用內部分級評分模型

1.對每一個對象Z建立一個點向量Z_i（ZZ₁、ZZ₂、ZZ₃、ZZ₄、ZZ₅）。

2.根據本行內部客戶信用分級情況，定義客戶信用內部k個分級，初始選擇k個點向量ZK（ZK₁、ZK₂、ZK₃、ZK₄、ZK₅）作為初始的分級中心點，計算每個點向量到分級中心點的距離。

根據距離分級中心的距離，將不同點向量劃分到不同分級簇。對于每一個簇找到其所有關聯點的中心點，方法是取每一個點坐標的平均值，根據各分級簇的點向量計算新的分級中心點，重新計算點向量到分級中心點的距離，重新劃分分級簇。這樣循環計算，直到最近兩次計算的分級中心結果相同停止。

八、展望

通過數據驗證，運用k-means算法建立客戶信用內部分級評分模型，該模型從客觀的客戶數據出發，能夠較精確對客戶信用內部進行分級評分。但是也需要看到，建模依賴的數據維度還是不足，模型還有待于優化，客戶信用內部分級評分精確度還有待于提高。

參考文獻

[1]周云強.我國商業銀行內部信用評級問題研究[D].天津：天津財經大學，2013.

[2]馬龍，劉凱旋.金融科技在商業銀行服務企業客戶領域的應用研究[J].經濟管理文摘，2021（18）：73-74.

[3]王學永.寧夏銀行內部評級體系的構建研究[D].銀川：寧夏大學，2013.

[4]劉軍，胡莉娜，張艷.后疫情時代金融科技在商業銀行中的應用研究[J].內蒙古科技與經濟，2021（12）：61-62.

[5]陳媛.金融科技應用的研究熱點及發展趨勢：基于Scopus數據庫的可視化計量分析[J].福建金融，2021（9）：59-65.

[6]李慧明.商業銀行金融科技應用及風險監管分析[J].河北金融，2021（8）：11-14.

[7]田欣.商業銀行法人客戶信用評級體系改進研究[D].濟南：山東大學，2020.

[8]張喆.C銀行客戶內部評級研究[D].咸陽：西北農林科技大學，2020.

[9]崔凱.大數據背景下商業銀行信用風險評價體系研究[D].邯鄲：河北工程大學，2019.

[10]單翠.基于內部評級法的縣域農村商業銀行信用風險度量研究[J].時代金融，2019（26）：149-150.

[11]智揚賀.C銀行客戶信用風險評級體系改進研究[D].沈陽：東北大學，2015.

[12]李景麗.我國商業銀行內部評級法應用研究[D].天津：天津財經大學，2015.

作者單位：太原旅游職業學院信息管理系