数据挖掘在信用卡信用评分模型中的应用分析140136134110.pptxVIP

数据挖掘在信用卡信用评分模型中的应用分析 小组成员： 方匡南 王桂明 陈希 王昱荧 袁美玲 郑美坊 指导教师： 谢邦昌2008年2月22日一、研究背景（一）、全球信用卡产业迅速成长 全球信用卡持续成长，成为支付领域的主要媒介。信用卡发展成为金融机构竞争激烈的中间业务。在中国，信用卡产业是尚处于起步阶段的朝阳产业国家 总数（亿张）每家庭拥有量（张）信用卡借记卡信用卡借记卡美国20046.572.286.32.2中国20040.10.6图1显示了中国近年来银行卡发行量的情况（06、07为预测数）单位：百万张一、研究背景作欺诈预测，已经被许多商业银行采用以降低信用风险和欺诈风险。而数据挖掘技术的应用，可以更有效地处理这些问题。一批国际性银行已经在信用卡分析中广泛使用数据挖掘技术，它在花旗银行、美国第一银行等的实际业务运营中发挥了巨大的作用。中国的银行业已经进入信息化并向知识化方向发展，数据挖掘技术必将在二、数据挖掘成为信用卡分析的重要工具 数据挖掘技术可以用来处理大量的业务数据，从中寻找出有价值的信息。例如，通过数据挖掘，可以帮助银行发现购买某类产品的客户特征，更有效地扩大业务和获取利润。同时，利用各种科学手段来进行客户信用评分、对某些客户的交易行为一、研究背景银行的信息化中发挥重要的作用，是银行信息知识化的重要手段，对我国金融业的发展有重大意义。 由于信用卡业务的急剧扩展，产生的数据量巨大，有必要而且迫切需要对各种数据进行有效的管理和挖掘，这也是信用卡业务发展的一个趋势。二、研究动机与目的 现阶段各银行都将业务的重点放在了提高发卡量上，由此不可避免地带来发卡标准的泛化和发卡规模的扩大。信用卡风险的防范与化解将会成为焦点，宽泛的发卡标准将带来更大的风险，特别是在中国社会信用体系还没有有效建立和发挥作用的情况下。以曾被视为信用卡发展典范的韩国为例，他们就是在高速发展信用卡的同时，忽略了对风险的管理和控制，最后使得危机频频爆发。因此，加强风险管理是各信用卡公司取得最终胜利的关键。 另一方面，伴随数据挖掘技术的发展，国外很多大的银行为了能从庞大的数据中获得有用信息，纷纷把数据挖掘技术运用于经营、管理和决策的各个方面。可以说，数据挖掘技术已成为外资银行在激烈的市场竞争中二、研究动机与目的获胜的关键技术。但在中国，各大银行正在进行数据大集中或刚完成不久，虽有个别银行正在研究，不过出于商业保密的需要，都没有公开具体细节。 本研究力图能在这方面做一些研究，并把具体研究细化到利用数据挖掘技术建立一个对信用卡申请者进行信用评分模型的领域。本研究的动机审核信用卡申请者的信用风险卡降低违约概率寻找优良客户图2本研究的目的IIIIII建立一套符 合客户违约特性的预测模型研究客户基本资料，找出与客户违约相关的基本因素模型发布，应用模型帮助银行防范客户违约风险图3研究架构Logistic模型研究背景与目的模型构建文献综述研究设计模型评估信用评分结论与建议决策树模型神经网络模型信用卡信用卡违约户的定义 根据Basel II协议所给出的建议，若出现以下一种情况或同时出现以下两种情况，债务人将被视为违约：(1)银行认定，除非采取追索措施，如变现抵押品(如果存在的话)，借款人可能无法全额偿还对银行集团的债务。(2)债务人对于银行集团的实质性信贷债务逾期90天以上。信用卡的定义 是指银行、金融机构或专营公司向资信良好的单位、个人签发的，可以在指定的商店或场所进行直接消费的，并可在发卡银行或联营机构的营业点存取款、办理转账结算的一种信用凭证和支付工具。按国际通行惯例的解释，它具有循环信贷、转账结算、存取现金等功能和“先消费，后还款”、无须担保人和保证金、可按最低还款额分期还款等特点。数据挖掘数据挖掘的方法分类 (Classification)回归 (Regression)时间序列(Time-Series)聚类 (Clustering)关联规则 (Association)序列 (Sequence)数据挖掘的定义 是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 数据挖掘是一门交叉学科，它汇聚了数据库、人工智能、统计学、可视化、并行计算等不同学科和领域，近年来受到各界的广泛关注。数据挖掘其具体的商业目标映射为数据挖掘目标。最近一次调查显示，50％以上的数据挖掘工具采用的都是CRISP-DM的数据挖掘流程，它已经成为事实上的行业标准。 CRISP-DM建模流程如图4所示，分为六个阶段，依次为：商业理解、数据理解、数据预处理、建立模型、评价和解释、模型实施。数据挖掘的CRISP-DM标准 CRISP-DM是Cross-Industry Standard Proc