基于Group MCP Logistic模型个人信用评价分析.docVIP

基于Group MCP Logistic模型个人信用评价分析 　　摘要：在利用Logistic模型分析个人信用评价问题时，需要进行变量选择。Group MCP不仅可以将相关变量以组为单位进行变量选择，还可以对组内变量进行选择。文章根据个人信贷数据，建立了Group MCP Logistic模型，并与Group Lasso、Group Bridge所得的结果进行比较，综合考虑模型复杂度和预测正确率，发现根据Group MCP建立的模型效果是最优的。 　　关键词：Group MCP；Logistic模型；个人信用评价；变量选择 　　一、 引言 　　个人消费信贷在我国迅速发展，对拉动经济增长起到了一定的促进作用。但其中也隐藏着很大的潜在风险，即信贷资产不能及时有效地收回。因此，急需建立完善的个人信用评价体系，从而降低信贷风险。个人信用评价的核心是建立不同客户的信用评价模型，根据信用评价模型对信贷申请人进行评分，从而决定是否给予贷款。 　　个人信用评价分析中，应用最广泛的方法有统计分析和机器学习两类，前者在模型稳健性和可解释性上有很大的优势。统计分析方法中，学者最关注的是Logistic模型，其计算方法简单、预测准确率高、变量解释能力强。但当Logistic模型涉及的变量很多时，直接使用也存在多重共线性和计算复杂度等问题。因此，变量选择是个人信用评价问题的重点和难点。 　　传统的变量选择方法有最优子集法和逐步回归法，但这些方法计算量大，且不稳定，当数据有微小变化时，可能得到完全不同的模型，其结果往往是局部最优解，并非全局最优解，尤其当变量个数大于样本量时，方法失效。Lasso是目前应用广泛的变量选择方法，但在个人信用评价问题研究中，许多解释变量是定性变量，对其进行数量化后引入大量的虚拟变量。在利用最优子集、逐步回归或Lasso进行变量选择时，只能选择某个虚拟变量，而不是将相关的虚拟变量作为整体进行选择。Group Lasso将相关虚拟变量作为整体进行选择，使其能够整体剔除或保留在模型中，但并不能实现对群组内变量的选择。Group Bridge既可以实现选择重要的组，也可以选择这些组里面的重要变量，但其惩罚函数在某些点不可微。Group MCP（Group Minimax Concavepenalty）解决了Group Bridge不可微的问题。 　　本文将建立基于Group MCP的Logistic模型，对个人信用评价的影响因素进行选择和分析，并将其与基于Group Lasso、Group Bridge所得的结果进行比较。 　　二、 Group MCP Logistic模型 　　三、 实例分析 　　1. 数据来源。本文数据选用的是德国某银行的个人信贷数据集合。该数据集中有1 000条记录，包括21个字段，其中前20个字段为信贷申请人的个人特征描述，最后1个字段是银行对客户信用级别的定义：0为“差客户”，1为“好客户”。 　　本文所用数据包括21个字段，将其进行处理、编码后的结果（解释变量20组共52个，因变量1个）见表1。 　　原始数据中，信贷期限（x2）、贷款金额（x5）、当前居住地居住时间（x11）、年龄（x13）为连续型数据，为克服量纲的影响，将其标准化处理后再进行分析。 　　本文所用数据集中，包括700条信用“好客户”和300条信用“差客户”，分别从中随机抽取80%用作训练集，剩余20%用作测试集。训练集中信用“差客户”与“好客户”的数量比为3：7，数据不平衡比较明显，为了降低数据不平衡对分析结果造成的影响。采用Random Oversampling方法在信用差客户中生成120条记录参与建立模型。 　　2. Group MCP Logistic模型的建立。本文数据分析通过R软件的grpreg程序包完成，得到非零解释变量11组共18个，系数压缩为零的解释变量9组共34个，见表2。 　　由表2可以看出：现有支票账户（x1组）额度越高的客户，违约的概率越小（x1_1x1_2x1_3）；信贷期限（x2）的系数为负，表明期限越长，违约的可能性越大；信贷历史记录（x3）中，只有x3_1、x3_2留在模型中，表明该行关注信贷申请人在本行的贷款是否按时归还，而不太关注申请人在其他银行的信贷记录；贷款目的（x4）中，只有x4_1、x4_2、x4_7留在模型中，表明该银行很看重贷款投资车和教育的申请人；贷款金额（x5）的系数为负，表明贷款额度越高，违约的风险就越大；储蓄账户/债券（x6）额度越大的客户，违约风险越小，且额度超过500DM会给个人信用得分加分，反之则减分；现任工作时间（x7）只有x7_4留在模型中，且系数为正，表明该银行很看重工作时间在4至7年之间的客户，该类客户在信用评价时会得到加分；个人身份和