利用资料探勘技术建构整合型信用评等模型usingdatamining.pdfVIP

利用資料探勘技術建構整合型信用評等模型 Using Data Mining Approaches to Construct a Integrated Credit Scoring Model 1 2 林榮禾 陳奕昌 1 台北科技大學工業工程管理系，台北市忠孝東路三段 1號， (02)2771-2171轉 3413 ，rhlin@.tw 2 台北科技大學商業自動化與管理研究所，台北市忠孝東路三段 1號， (02)2771-2171轉 3478 ，enickgo@.tw 摘 要 信用卡產業面臨強烈競爭與呆帳問題，因此信用評等模型的重要性日益增加。近幾年，許多相關領 域，例如統計 (Statistics) 、機器學習(Machine Learning) 、人工智慧(Artificial Intelligence) ，紛紛投入信用 評等的研究。本研究目的為減少人為因素、節省作業成本 及加強信用卡授信風險管理，故建立一套客 觀、快速的信用卡授信方法與開發潛在客戶，以增加銀行收入並降低潛在之信用風險。 然而，過去的研究均只著重在建立一個高準確率信用卡分類或行為分類的模型，且各種分類器各在 不同的情況下各有不同的表現，沒有任何一種分類器其分類結果永遠最佳，故本研究提出整合型信用評 等模型，藉以探討何種模式為最佳。並藉由支援向量機模型(Support Vector Machines, SVM ) 與類神經網 路 (Artificial Neural Networks, ANNs) 、案例式推理(Case Based Reasoning, CBR)建立起信用評等模型。 ICSM 分為兩步驟，第一階段為建構以支援向量機與類神經網路為基礎的信用評等模型，用以將申 請人分類為信用優良與信用不佳兩類別。並比較 ANNs 與 SVM的判斷結果是否一致，當二者判斷相同 時，表示其診斷結果；若二者判斷發生不一致時，便進入第二階段。第二階段為建構以案例式推理為基 礎的再分類信用評等模型，用以將被第一階段分類為不一致案例重新分配，以降低分類時可能產生之型 一與型二誤差。 關鍵字 ：信用評等、類神經網路、支援向量機、案例式推理 ABSTRACT The use of credit scoring model has became a very important issue as the credit industry is competitive and has been experiencing many problems with big debts, therefore credit scoring model has been widely studied in the area of statistics, machine learning, and artificial intelligence during the past few years. The purpose of this study is to reduce the human factors, save operating costs, and reinforce credit risk management. We will construct an objective and fast credit scoring model and develop potential customers in order to increase income and reduce potential bank credit risk. However, Past studies only focused on establishment of a high accuracy of credit