数据挖掘技术在信用风险评估中的应用.docVIP

数据挖掘技术在信用风险评估中的应用 摘要：信用风险是金融市场中最古老，也是最重要的 风险形式之一，它是现代经济体（特别是金融机构）所面 临的主要风险。对于微观层次的信用风险评估来说，一个 非常重要的问题就是指标的选择。指标选择的好坏直接影 响到风险评估的准确性，为此文章提出使用数据挖掘技术 选择信用风险评估相关指标，给出了指标选择算法，最后 使用银行数据做了实证分析，验证了算法的有效性。 关键词：信用风险；数据挖掘；指标选择 一、问题的提出 信用风险是金融市场中最古老，也是最重要的风险形 式之一，它是现代经济体（特别是金融机构）所面临的主 要风险。信用风险直接影响到现代社会经济生活的各个方 面，也影响到一个国家的宏观经济决策和经济发展，甚至 影响整个全球经济的稳定与协调发展。 我国已正式加入WTO，加入WTO不仅是我国经济融入世 界，参与全球化竞争的标志，更重要的是要求我们在经济 活动的意识和做法上要与国际接轨，要完全按国际惯例行 事。对银行业来说，按国际惯例行事就是要遵守巴塞尔新 资本协议的规定，公平竞争。由于国外企业和金融机构己 经发展并采用了一系列的技术来度量和管理信用风险，我 国企业和金融机构就必须在学习国外先进的、科学的度量 和管理方法同时，结合我国实际情况，发展适合我国企业 和金融机构的信用风险度量和管理技术，只有这样才能在 与国外同行的竞争中立于不败之地。因此，对于我国来说 对信用风险度量和管理的研究具有重要的现实意义。 、数据挖掘技术应用在信用风险分析中可行性分析 数据挖掘出现于20世纪80年代后期，2 0世纪90年 代有了突飞猛进的发展。数据挖掘是从大量数据中提取和 “挖掘”知识。 商业银行进行信用风险分析最重要的两个因素是高质 量的风险分析及管理信息系统和高素质的风险分析人员。 从某种意义上说，高质量的风险分析及管理信息系统比高 素质的风险分析人员更为重要。国内银行界对这一点有充 分地认识。制约商业银行风险分析及管理水平提高的“瓶 颈”首先在于数据基础，而数据基础建设又是银行整个信 息系统建设的有机组成部分。国内商业银行在这方面有过 不少教训。随着信息时代的来临，信息技术在银行的应用 取得了长足进展，国内商业银行在信息科技开发上投入力 度都很大，但成效却不如想象中那么大，甚至可以说成本 和收益比失调。这其中一个主要的问题就是系统幵发缺乏 前瞻性和连续性。比如许多银行在过去开发过程中，为了 满足不同阶段、不同任务陆续开发不同的信息管理系统， 而这些系统之间彼此信息冗余，且数据一致性很差，统计 人员在不同口径数据如何统一问题上疲于奔命，不仅没有 提高工作效率，反而增加了许多工作量，工作量的增加反 过来又使统计数据质量难以切实保障，而基础数据的不统 一和准确性差造成的严重错误是不仅高层次的风险分析 （信贷资产组合分析）根本无法展开，即使是简单的分析 工具也因为数据质量差而使分析结果缺乏可信度。因此国 内商业银行风险分析及管理能力不高的根本原因之一在于 缺乏高质量风险分析及管理信息系统。系统制约风险分析 是一个普遍问题。 根据西方商业银行的经验，风险分析及管理信息系统 的结构基本由三部分组成：数据仓库、中间数据处理器和 数据分析层。就信用风险管理而言，前台采集数据，将数 据结果汇总到数据仓库之中，以备后台分析。数据仓库至 少要容纳以下几类信息：与行业相关的宏观因素指标信息、 客户基本信息、授信合同信息、信贷账务信息、担保品信 息、清偿数据信息、企业财务信息等。中间数据处理器主 要将前台收集到的原始数据信息进行分类识别和处理，并 抽取其内在特征，按照不同的结构和类型将其分别存储到 数据仓库相应位置。数据分析层是数据处理的最高阶段， 它要根据风险分析及管理的不同需要从数据仓库中提取信 息进行分析。 由上面分析可知，随着信息技术的发展及我国商业银 行对高质量信用风险分析及管理信息系统建设认识上的提 高，我国的高质量信用风险分析及管理信息系统必将会科 学合理地建立起来，而且会不断地得到完善和发展。这样 就为解决现代信用风险分析中一些还没有解决的问题提供 了必要的条件和一种新的思路。信用风险分析及管理信息 系统的数据仓库中存有大量的事实数据，这些数据包括： 信贷客户的基本信息、企业主要管理人员及主要家属基本 情况、客户重大事项、企业大事登记、企业所属行业、破 产日期、违约类别、债务结构等诸多数据信息，这些信息 对信用风险分析来说是十分必要和珍贵的，那么这些数据 如何被应用，如何从中寻找对信用风险分析有用的知识 （规则），来解决数据丰富但信息贫乏的问题呢？我们自 然想到了数据挖掘技术，在这样存有大量信息的数据仓库 中挖掘隐含的知识正是数据挖掘技术的专长。这里举一个 例子来说明数据挖掘技术可以怎样用在信用风险分析中 （当然这只