多决策树模糊积分融合在银行信贷管理系统中应用.docVIP

多决策树模糊积分融合在银行信贷管理系统中应用 　　摘要：为了提高基于数据挖掘的商业银行信贷管理系统的信贷风险评估水平，将多决策树的Choquet模糊积分融合（MTCFF）模型应用到银行信贷管理系统中。基本思想是采用决策树在已知类型的客户数据上进行挖掘，按照决策树剪枝程度不同形成不同的决策树并产生规则，利用所生成的不同决策树的规则，对未知类型的客户数据进行分类，然后让Choquet模糊积分对多棵决策树的分类结果进行融合，形成最优判断。采用UCI数据库中German客户信用卡数据集进行验证，实验证明Choquet模糊积分的非线性融合效果优于单棵决策树的分类效果，也优于其他线性融合方法，并且Choquet模糊积分要优于Sugeno模糊积分。 　　关键词：个人信用风险评估；数据挖掘；决策树；Choquet模糊积分；Sugeno模糊积分 　　中图分类号：TP391； TP18 　　文献标志码：A 　　Abstract： In order to improve the level of assessment of the credit risk of commercial bank credit management system based on data mining， the model of multiple decision trees by Choquet fuzzy integral fusion （MTCFF） was applied to the system. The basic idea was to mine the classified customer data by decision tree， form the different decision trees and rules according to different pruning degree， and detect unclassified customer data by different decision tree rules， and then nonlinearly combine the results from multiple decision trees by Choquet fuzzy integral to get the best decision. Using the German of the UCI dataset， the experimental results show that fusion of Choquet fuzzy integral is superior to the single decision tree in terms of classification accuracy， and it is also superior to other linear fusion methods. Choquet fuzzy integral is superior to Sugeno fuzzy integral. 　　Key words： individual credit risk evaluation； data mining； decision tree； Choquet fuzzy integral； Sugeno fuzzy integral 　　0引言 　　近年来，个人消费信贷业务成为我国商业银行新的利润增长点，具有丰富的盈利潜力，而个人信用风险管理手段的落后成为阻碍个人消费信贷产生发展的瓶颈。信用风险又是我国商业银行长期以来面临的主要风险。相对于企业信用风险评估，对个人信用风险评估显得十分薄弱，大部分银行主要依靠信贷审批人员的经验来决定，个人喜好对评估结果影响很大。根据国家统计局数据显示，我国消费信贷已经呈现出飞速发展态势，如何有效通过数据挖掘技术准确地对银行积累的大量业务数据进行分析，形成个人信用风险评估，为银行管理决策者提供可靠的决策依据和风险监控方法，成为越来越多的金融从业人士感兴趣的课题[1-4]。 　　目前，国内外常用于信贷风险评估的数据挖掘技术有决策树、神经网络和支持向量机等[5-10]，为了进一步提高个人消费信贷风险评估水平，将多决策树的Choquet模糊积分融合（Multiple decision Tree by Choquet Fuzzy Fusion， MTCFF）模型应用到银行信贷管理系统中。任何一种分类器都有其自身的优缺点，为了扬长避短，融合各种方法的优势，人们尝试着将各种分类器按照一定原则融合在一起，目的是达到最优的分类效果，常用的融合方法有线性融合方法（如：极大值法、极小值法、平均值法和多数投票法等）和非线性融合方法（如：Sugeno和Choquet等）