基于Kmeans聚类算法银行贷款风险管理分析.docVIP

基于K-means聚类算法的银行贷款风险管理分析 　　摘要：本文构建基于K-means聚类算法的贷款风险管理框架。将银行贷款风险测算模型指标体系化，对我国银行中贷款风险的情况进行实地分析和总结，提出了基于K-means聚类算法的贷款风险预测方法。这种方法是将K-means聚类算法与银行贷款风险测算管理结合起来，通过建立六个量化指标，在实践中建立银行贷款风险测算管理实用体系，解决了经济快速发展中的银行贷款量大规模增加带来的风险测算与管理工作繁杂问题，能有效期确保银行贷款的安全。 　　关键词：K-means聚类算法 指标 贷款风险 　　 　　一、引 言 　　银行业具有典型的风险管理体系特征，其整体管理能力和水平决定了银行经营决策和金融风险的高低。随着我国社会主义市场经济体制不断地完善，城镇化步伐在不断加快，各地房地产业蓬勃发展，国内各类房地产企业、买房人对资金的需求显得日益迫切，客观上对我国商业银行的资金供给能力提出了更高的要求，随之便产生了信贷评估要求，尤其是贷款风险评估方面，因为银行需要最大限度地降低和控制贷款风险。 　　国内关于商业银行贷款风险管理的理论研究起步于20世纪80年代末，进入90年代，有关商业银行贷款风险管理的研究论文和著作正以前所未有的速度不断涌现，这些论文和著作在研究内容、研究范围还是研究方法上都日趋成熟。另外，近年有了一些更先进的模型和技术，比如基于风险价值VaR的信用度量模型及Credit Metrics系统等。本文构建基于K-means聚类算法的贷款风险管理框架。将银行贷款风险测算模型指标体系化，对银行贷款风险管理进行了创新，对银行贷款风险管理有一定的借鉴意义。 　　 　　二、银行贷款风险评估指标体系构建（以邯郸工商银行为例） 　　在2010年春节前后，国家出台了房贷新政，同时自2010年10月20日至2011年4月6日四次上调人民币存贷款利率，这一系列紧缩政策对房贷市场产生了一定影响。以我市中国工商银行邯郸分行为例，首套房贷款已无利率优惠，银行已开始执行房贷二套房首付６０％、利率为基准利率1.1倍的新政策。目前工行首套房贷首付为３０％，且已无利率优惠政策，执行基准利率标准。二套房则执行标准利率的1.1倍，首付从５０％上调至６０％以上。 　　在此背景下，银行的贷款存量应比以前大幅减少，但潜在风险仍应予以重视。我们应通过构建数学模型尽可能准确地予以评估，最大限度确保贷款资金的安全。一般来说，银行贷款的风险主要来自于借款人的风险，尤其是借款人的财务（还款能力）风险。而借款人财务风险的大小又与借款人一定时期内的信用状况有着直接的联系。具体而言，银行信贷部门将贷款申请人以及其所在单位的发展前景，将贷款人的信用评价，收入状况，偿还贷款能力等条件输入评估系统，由系统对申请人进行打分，并根据已有的记录资料将申请人的风险评估结果和信用记录提交给授贷人员，为其决策提供依据。 　　因此，借款人信用状况的分析是银行贷款风险管理的基础，也是贷款风险评估的主要内容。以我市个人房贷为参照，贷款风险评估一般涉及到以下六个因素（我们以大量贷款业务回访方式获得）： 　　1、（借款人）工作不稳定性，反映借款人目前的工作情况及工作稳定程度，以在一定时间内职业变动次数及每变动一次的收入变化情况来衡量。如借款人一般可分为高级管理人员与高级专业技术人员、办公室一般工作人员、技术工人、体力劳动工人、临时工、城市农民工，无职业者、农业劳动者阶层等等。 显然，贷款人工作越不稳定，银行承受的贷款风险就越大。 　　2、（借款人）收入不稳定性。这也从另一个侧面反映借款人的职业特点及素质。例如借款人是否公务员、工人、自由职业者、农民、 农民工，小商贩等等；是否属于城乡无业、失业、失地、待业、半失业人员阶层；是否就职事业单位、跨国公司（外资企业）、国有大型企业、中小型企业（公司）等等。 　　3、（借款人）家庭近期重大开支可能性，如家庭中子女上学、结婚、购房、旅游、家人住院、家庭成员失业等不可预知事件造成家庭开支骤然加大。 　　4、（借款人）已有延期还贷等级，借鉴贷款五级分类法，可分为次级、可疑、 损失等三个级别。每个等级按照严重程度不同又可分为低中高三个级别。 　　5、（借款人）个人及家庭最近信用等级，主要指家庭成员中个人的银行信用，包括各商业银行提供的个人贷款记录，信用卡使用情况以及个人在银行发生的不良信用记录特别记录，主要有金融信息、包括个人账户的类型、数额、交易价格、付账习惯等。 　　6、（借款人）非经济方面变故可能性。 如借款人由于自然不可抗力而遭受损失，包括水灾、旱灾、 地震等各种自然灾害。还有社会的原因， 如政府更迭、战争 、罢工、 骚乱等，使借款人遭受重大损失的可能性。 　　据此我们设计出调查问卷，通过信息反馈