基于決策樹算法的銀行信用評(píng)分

石振華

（貴州大學(xué) 人民武裝學(xué)院，貴州 貴陽 550025）

基于決策樹算法的銀行信用評(píng)分

石振華

（貴州大學(xué) 人民武裝學(xué)院，貴州 貴陽 550025）

銀行卡在給銀行創(chuàng)造了高額利潤(rùn)的同時(shí)，也帶來了很大的信用風(fēng)險(xiǎn).對(duì)于銀行來說，嚴(yán)格把控信用申請(qǐng)者，對(duì)其進(jìn)行有效的信用評(píng)分和預(yù)測(cè)十分關(guān)鍵.采用數(shù)據(jù)挖掘技術(shù)中的決策樹算法能有效屏蔽銀行信用評(píng)估中的主觀因素，通過海量數(shù)據(jù)預(yù)處理、決策樹生成等步驟，最后通過相關(guān)算法實(shí)現(xiàn)能客觀地形成預(yù)測(cè)值，從而準(zhǔn)確地進(jìn)行信用評(píng)分.

信用評(píng)分；決策樹；算法

1 引言

在個(gè)人消費(fèi)信貸已經(jīng)成為人們慣常消費(fèi)方式的今天，信用卡業(yè)務(wù)越發(fā)體現(xiàn)了其高額利潤(rùn)和巨大的市場(chǎng)空間，中國的各大商業(yè)銀行也都在加快速度增加在銀行卡業(yè)務(wù)上的投入.但是這樣廣泛的開發(fā)信用卡市場(chǎng)最大的問題就在于高利潤(rùn)必然伴隨著高風(fēng)險(xiǎn)，對(duì)信用卡的風(fēng)險(xiǎn)控制逐漸成為一個(gè)關(guān)注重點(diǎn).

伴隨著計(jì)算機(jī)及網(wǎng)絡(luò)的迅速發(fā)展，信用評(píng)分廣泛應(yīng)用于銀行卡發(fā)放，但信用評(píng)分只能主觀地對(duì)信用卡申請(qǐng)者進(jìn)行評(píng)估，缺乏合理依據(jù).采用數(shù)據(jù)挖掘技術(shù)進(jìn)行信用評(píng)分能客觀地從海量數(shù)據(jù)中構(gòu)建出評(píng)分模型，評(píng)分結(jié)果更為準(zhǔn)確、有效，有助于信用卡的發(fā)放及管理.

2 基于數(shù)據(jù)挖掘技術(shù)的信用評(píng)分

使用數(shù)據(jù)挖掘方法中的決策樹算法[1]實(shí)現(xiàn)信用卡申請(qǐng)者的信用評(píng)分.下面就該算法的生成過程、構(gòu)造算法、以及具體實(shí)現(xiàn)算法進(jìn)行詳細(xì)介紹，重點(diǎn)敘述該算法運(yùn)用于信用評(píng)分的過程.

2.1 客戶數(shù)據(jù)的預(yù)處理

從銀行的客戶信息數(shù)據(jù)庫中提取相應(yīng)記錄.在客戶信息表中，有很多屬性雜亂無章或者特征不顯著，在數(shù)據(jù)預(yù)處理時(shí)要經(jīng)過數(shù)據(jù)清洗、數(shù)據(jù)集成及轉(zhuǎn)換、數(shù)據(jù)消減等步驟，將所有特征屬性進(jìn)行概化，為下一步生成合理、準(zhǔn)確的決策樹做準(zhǔn)備.

2.1.1 數(shù)據(jù)清洗

在客戶信息記錄中，有大量數(shù)據(jù)取值離散并且無共性特征，還有一些數(shù)據(jù)可以用另外一些屬性值來概括，那么就可以刪除掉這些無用數(shù)據(jù).得到屬性如下表1所示.

表1 個(gè)人信用數(shù)據(jù)表

在個(gè)人信用評(píng)估的輸入要素中，有“年齡”、“年收入”2個(gè)屬性的屬性值為連續(xù)型數(shù)據(jù).

2.1.2 數(shù)據(jù)集成及轉(zhuǎn)換

將屬性逐一進(jìn)行概化，例如：文化程度分為4類；職業(yè)類別按工作性質(zhì)來分，共分9類.另外，決策樹技術(shù)進(jìn)行信用評(píng)分主要是針對(duì)離散型數(shù)據(jù)進(jìn)行分析處理，所以需要將連續(xù)型數(shù)據(jù)離散化，故而進(jìn)行以下調(diào)整：將年收入分為7組離散型數(shù)據(jù)；對(duì)年齡可分為五組連續(xù)性數(shù)據(jù).

2.1.3 數(shù)據(jù)消減

對(duì)大規(guī)模數(shù)據(jù)庫內(nèi)容進(jìn)行復(fù)雜的數(shù)據(jù)分析通常需要耗費(fèi)大量的時(shí)間，這就常常使得這樣的分析變得不現(xiàn)實(shí)和不可行，尤其是需要交互式數(shù)據(jù)挖掘時(shí).數(shù)據(jù)消減能從原有龐大數(shù)據(jù)集中獲得一個(gè)精簡(jiǎn)的數(shù)據(jù)集合，并保持原有數(shù)據(jù)集的完整性.通過檢測(cè)和消除無關(guān)、弱相關(guān)或冗余的屬性達(dá)到消減的目的.

2.1.4 客戶劃分

擬選客戶管理特征作為建模的目標(biāo)變量.客戶的管理特征分為優(yōu)良客戶、一般客戶、限制客戶和淘汰客戶.本文的建模目標(biāo)只是劃分為三類：H1：好客戶；H2：一般客戶；H3：淘汰客戶.

2.2 決策樹生成[2]

在數(shù)據(jù)預(yù)處理后，進(jìn)行歸納決策樹.用信息增益率來選擇屬性，它克服了用信息增益選擇屬性時(shí)偏向選擇取值多的屬性的不足，在樹構(gòu)造過程中或者構(gòu)造完成之后，進(jìn)行剪枝，完成對(duì)連續(xù)屬性的離散化處理并對(duì)于不完整數(shù)據(jù)進(jìn)行處理，采用的知識(shí)表示形式為決策樹，并最終可以形成產(chǎn)生式規(guī)則.決策樹算法的主要處理過程如下：

2.2.1 類別信息值

設(shè) T 為數(shù)據(jù)集，類別集合為 Ci（i=1，2，……，m），Ti為類別集合Ci中的樣本數(shù)，計(jì)算公式為：

其中Pi是類別Ci的發(fā)生概率，可以用Ti/T來估計(jì).本例中，客戶分為“好客戶”、“一般客戶”和“淘汰客戶”3類：m=3.

2.2.2 類別條件值

設(shè)屬性T具有v個(gè)值(X1，X2……Xv)，它將T分成v個(gè)子集(S1，S2……Sv)，其中Tj包含T中這樣的一些樣本，它們?cè)趯傩訶上具有值Xj（j=1，2，……v），以屬性 X為分類所需的期望值(條件值)是：

2.2.3 信息增益和信息增益率

屬性X的信息增益函數(shù)為：

信息增益率可以彌補(bǔ)信息增益函數(shù)輸出分枝多，預(yù)測(cè)不準(zhǔn)確這個(gè)缺陷.信息增益率能夠去除多分枝屬性的影響.信息增益率在考慮每一次劃分所產(chǎn)生的子結(jié)點(diǎn)的個(gè)數(shù)的同時(shí)也限制了每個(gè)子結(jié)點(diǎn)的大小(包含的數(shù)據(jù)實(shí)例的個(gè)數(shù))，而不再考慮分類所蘊(yùn)涵的信息量，屬性X的信息增益率為：

其中V為該節(jié)點(diǎn)的分枝數(shù)，且為第1個(gè)分枝下的記錄個(gè)數(shù).

2.2.4 決策樹規(guī)則

根據(jù)以上決策樹算法，計(jì)算出每個(gè)屬性的信息增益I(C,V)以及信息增益率Gaingate（X），在決策樹生成規(guī)則時(shí)，應(yīng)該選取信息增益率為最大值的屬性，但信息增益的最小值不低于所有屬性平均值的屬性作為測(cè)試點(diǎn)，以該屬性作為根結(jié)點(diǎn)，根據(jù)屬性的分布逐一畫出分枝，據(jù)此劃分?jǐn)?shù)據(jù).樹葉是所有樣本都在同一個(gè)類的結(jié)點(diǎn)，需進(jìn)行標(biāo)注，可用客戶類別進(jìn)行標(biāo)注.按照該原則逐步分析，當(dāng)分析到在主屬性上子集中的數(shù)據(jù)記錄取值完全相同，或者屬性已經(jīng)劃分完畢，則形成決策樹對(duì)應(yīng)規(guī)則.

2.3 算法設(shè)計(jì)

采用面向?qū)ο蟮姆椒ㄟM(jìn)行算法程序的設(shè)計(jì)，決策樹部分代碼如下：

從該評(píng)分模型的決策樹算法的剖析中，可以看出決策樹的第一個(gè)選擇屬性是年收入，說明年收入是第一個(gè)主要的影響因素，這與平常經(jīng)驗(yàn)統(tǒng)計(jì)判斷所得結(jié)果相吻合.而對(duì)于高收入群體主要取決于受教育的情況，受教育程度高則信用情況相對(duì)較好，根據(jù)大量數(shù)據(jù)得到準(zhǔn)確結(jié)論.

3 結(jié)論

數(shù)據(jù)挖掘技術(shù)正在被越來越多的銀行大力投入應(yīng)用，數(shù)據(jù)挖掘技術(shù)的正確使用能幫助銀行改善包括銀行卡業(yè)務(wù)在內(nèi)的各種類型的業(yè)務(wù)，并且能增強(qiáng)銀行風(fēng)險(xiǎn)管理、增進(jìn)銀行與客戶的關(guān)系，提高競(jìng)爭(zhēng)力.運(yùn)用建立的決策樹模型對(duì)銀行卡用戶進(jìn)行信用評(píng)分，分值高于或等于臨界分值（C1=76）的用戶將獲得通過，并給予較高的信用額度；信用分值低于臨界分值（C0=59）的用戶將被直接拒絕.而信用分值低于臨界分值（C1=76），但高于或等于臨界分值（C0=59）的用戶也將獲得通過，但只給予較低的信用額度，在今后的使用中銀行會(huì)根據(jù)實(shí)際用卡情況進(jìn)行實(shí)時(shí)的數(shù)據(jù)挖掘采取相關(guān)的營(yíng)銷策略，這樣銀行可以實(shí)現(xiàn)“低風(fēng)險(xiǎn)、高回報(bào)”.最終最大限度的規(guī)避銀行卡發(fā)放的風(fēng)險(xiǎn)，有效地為銀行卡業(yè)務(wù)保駕護(hù)航！

〔1〕朱明.數(shù)據(jù)挖掘[M].合肥：中國科學(xué)技術(shù)大學(xué)出版社，2008.

〔2〕陳文偉.數(shù)據(jù)挖掘技術(shù)[M].北京：北京工業(yè)大學(xué)出版社，2002.

F830.589

A

1673-260X（2012）01-0075-02