信用卡风险分析.pptVIP

信用卡風險分析 組員： E123502191 張智欽 N954020003 于亨宗 M965040023 鍾友華 Introduction ?台灣於民國 79 年實施金融改革措施，開放 新銀行成立。 ? 為促使金融革新 ， 政府逐漸解除各項管制 ， 使得保險、其他非銀行業者，相繼投資 或跨足經營金融事業 。 ?消費金融商品最活絡的業務中，以「信用 卡」的推廣最為成功。 Introduction （續） ? 在蓬勃發展且競爭激烈的信用卡市場中， 各家銀行為了達到其經濟規模，使用各種 行銷策略，以擴大市場佔有率 。 ? 惡性競爭下，造成一人多卡，個人信用過 度膨脹 。 ? 金管會督促各發卡銀行注意其資產品質， 保障消費者權益及健全市場之發展 ； 種種 的因素之下，民國九十三年之後的發卡數 量極遽的下降 。 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 8 0 年 8 1 年 8 2 年 8 3 年 8 4 年 8 5 年 8 6 年 8 7 年 8 8 年 8 9 年 9 0 年 9 1 年 9 2 年 9 3 年 9 4 年 9 5 年 到 6 月 民國( 年) 信 用 卡 卡 數 ( 千 張 ) 發卡數 ( 千張) 流通卡數 ( 千張) Introduction （續） Introduction （續） ?發卡業者意識到信用卡業務的成敗，關鍵 乃在於一開始便做有效的風險控管，防範 違約於未然 。 ?預先界定出會造成違約的因子，預先排除 信用不佳的申請人，以大幅改善信用卡的 管理風險，一方面降低違約率，一方面留 住好客戶 。 ? 發卡前的審核及對新申請者的信用評比 。 Determination of data set ? 基本資料（如：婚姻、年齡、有無子女 等） 。 ? 個人財務狀況資料（如：有無貸款、信用 卡持有數、月收入等） 。 ? 客戶所屬風險的狀況 。 Data mining procedure Berry 和 Linoff 建議資料採礦的技術應符 合 10 項步驟，我們在報告中將依循這時個 步驟，並敘述每個步驟內完整的內容，以 下是我們 10 個步驟的過程。 Step 1. Translate the business problem into a data mining problem ?無法用一般統計模式從某些屬性欄位來評 判甚至預測一個客戶的行為，例如會不會 使用循環利息、該客戶的風險高不高、會 不會違約等等 。 ?透過資料採礦技術（例如：決策樹、類神 經網路、貝氏機率分類）和統計方法（例 如：羅吉斯回歸），建構出一套完全符合 銀行評判客戶特性與其信用卡風險模型之 流程 。 Step 2. Select appropriate data ?資料來源取自銀行信用卡部門的資料庫 。 ?資料檔包括有 4117 筆信用評等以及個人財 務狀況資料，也包含基本資料資訊 。 ?為顧及保密性，這些原始資料皆已先做過 相關的整理。 Step 3. Get to know the data 類型 變數名稱 資料類型 基本資料 ID 連續型 年齡 連續型 收入 連續型 性別 類別型（ m/f ） 婚姻狀況 類別型（ single/married/divsepwid ） 小孩數 連續型 財務狀況 卡數 連續型 付款方式 類別型（ weekly/monthly ） 有無抵押 類別型（ y/n ） 店家的卡 連續型 抵押方式 連續型 結果 風險 good risk （信用好風險低的客戶） bad risk （風險高且會造成公司損失的客戶） bad profit （風險高但有利可圖的客戶） Step4. create a model set ? 我們將所收集而來的 4117 筆原始資料，將資料以 隨機的方式抽成約 6 ： 4 的筆數，把前者當做訓練 資料集來建立模型（有 2455 筆），而後者當做測 試資料集（有 1662 筆），用此來選擇模型以及測 量模型在預測未知資料的能力。此數據是為了避 免產生過度學習（ Overfitting ）的狀況，因為用訓 練資料集製作模型時，模型往往會記憶一些不是 可以放諸四海皆準的規則，而只是一些發生在訓 練資料內部的巧合而被當成規則，因此模型預測 的準確性會被假性高估。 Step5. fix problems with the data ?透過統計的方式，將 4117 筆原始資料透過 敘述統計來計算每個欄位是否有遺漏、極 端值、以及超過某一欄位屬性定義範圍的 值，若有缺漏則再採取更進一步的處理方 式 Step5. fix problems with the data ( 續 ) Step6. transform data t