• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基本征信數(shù)據(jù)挖掘分析

    2015-08-10 17:07:01楊北京劉新海
    現(xiàn)代管理科學(xué) 2015年8期
    關(guān)鍵詞:數(shù)據(jù)挖掘

    楊北京 劉新海

    摘要:文章首先介紹數(shù)據(jù)挖掘的基本概念和處理步驟,然后討論征信系統(tǒng)和數(shù)據(jù)挖掘的關(guān)系,認(rèn)為征信機(jī)構(gòu)作為數(shù)據(jù)工廠,數(shù)據(jù)挖掘的各種方法都可以找到很好的應(yīng)用場景,通過廣泛和深入地開展征信數(shù)據(jù)挖掘,能夠更好地為量化信用風(fēng)險管理服務(wù)。文章梳理出征信系統(tǒng)數(shù)據(jù)挖掘的基本框架,著重探討基本征信數(shù)據(jù)挖掘:一方面處理的是基于信貸行為的基本數(shù)據(jù);另一方面應(yīng)用的是基本的、傳統(tǒng)的數(shù)據(jù)挖掘方法。根據(jù)數(shù)據(jù)挖掘方法論的不同,文章介紹相應(yīng)的信用風(fēng)險數(shù)據(jù)挖掘應(yīng)用,并結(jié)合國際征信機(jī)構(gòu)的先進(jìn)經(jīng)驗,給出具體應(yīng)用案例。文章最后指出在征信機(jī)構(gòu)全面開展數(shù)據(jù)挖掘的工作,不僅可以提高征信服務(wù)水平,還可為大數(shù)據(jù)時代的到來打下良好的基礎(chǔ)。

    關(guān)鍵詞:數(shù)據(jù)挖掘;征信系統(tǒng);信貸行為;信用風(fēng)險管理

    一、 問題的提出

    數(shù)據(jù)挖掘(Data Mining,DM)又稱知識發(fā)現(xiàn)(Knowledge Discover in Database,KDD),是指從數(shù)據(jù)集合的海量數(shù)據(jù)中揭示出隱含的模式、發(fā)現(xiàn)先前未知的并有潛在價值的信息和知識的過程(Jiawei Han,MichelineKamber,Jian Pei;2012)。由于數(shù)據(jù)挖掘在應(yīng)用過程中可以幫助商業(yè)決策這調(diào)整市場策略,評估風(fēng)險,獲得洞察力并進(jìn)行正確決策,目前已經(jīng)是人工智能和數(shù)據(jù)庫領(lǐng)域研究的熱點問題。隨著大數(shù)據(jù)時代的到來,數(shù)據(jù)挖掘技術(shù)已成為許多互聯(lián)網(wǎng)和零售企業(yè)的重要支撐技術(shù)和核心競爭力之一,并被廣泛地應(yīng)用到管理和社會學(xué)科等諸多領(lǐng)域。對作為天然就具有大數(shù)據(jù)和云計算特征的征信業(yè)而言,數(shù)據(jù)挖掘技術(shù)的地位和重要性不言而喻。目前國外征信機(jī)構(gòu)正在廣泛利用數(shù)據(jù)挖掘技術(shù),進(jìn)行信用風(fēng)險管理方面的產(chǎn)品開發(fā),申請了許多關(guān)于數(shù)據(jù)挖掘的專利授權(quán),并開發(fā)出多種數(shù)據(jù)挖掘產(chǎn)品。數(shù)據(jù)挖掘技術(shù)已經(jīng)成為它們的核心競爭力,例如益佰利(Experian)、艾克飛(Equifax)、環(huán)聯(lián)(Trans Union)和鄧白氏(Dun & Bradstreet,D&B)等。

    結(jié)合信用風(fēng)險管理的目標(biāo):對個人消費者和企業(yè)的風(fēng)險進(jìn)行評估,減少交易過程中的信息不對稱,本文將征信數(shù)據(jù)挖掘的基本步驟敘述如下:

    步驟一:確定商業(yè)目標(biāo)。該步驟主要是確定數(shù)據(jù)挖掘所要解決的具體問題,比如發(fā)現(xiàn)信用風(fēng)險特征、欺詐風(fēng)險特征、客戶流失特征等;確定征信數(shù)據(jù)挖掘問題的覆蓋范圍,比如房貸產(chǎn)品、信用卡產(chǎn)品或汽車貸款產(chǎn)品等。商業(yè)目標(biāo)不僅指明了數(shù)據(jù)挖掘方向,也是衡量數(shù)據(jù)挖掘效果的關(guān)鍵要素。

    步驟二:數(shù)據(jù)采集。首先確定數(shù)據(jù)挖掘所涉及的具體數(shù)據(jù)庫或者數(shù)據(jù)來源渠道,例如申請數(shù)據(jù)庫、客戶基本信息數(shù)據(jù)庫、交易數(shù)據(jù)庫、市場營銷數(shù)據(jù)等,其次確定通過何種技術(shù)手段獲取這些有用的數(shù)據(jù)以及數(shù)據(jù)的有效期。

    步驟三:數(shù)據(jù)清洗。消除噪聲和刪除不一致的數(shù)據(jù),進(jìn)行數(shù)據(jù)質(zhì)量檢查,確保數(shù)據(jù)可靠。數(shù)據(jù)質(zhì)量是數(shù)據(jù)挖掘的前提和生命。若數(shù)據(jù)質(zhì)量不高,即使數(shù)據(jù)挖掘的技術(shù)再先進(jìn),耗費的功夫再大也無濟(jì)于事。

    步驟四:數(shù)據(jù)整合和轉(zhuǎn)換。即將多種數(shù)據(jù)源整合在一起,把數(shù)據(jù)變換和統(tǒng)一成適合挖掘的形式,例如數(shù)據(jù)類型和數(shù)據(jù)格式的轉(zhuǎn)換,缺省值和極值的處理。

    步驟五:數(shù)據(jù)挖掘。使用模式識別或機(jī)器學(xué)習(xí)的方法以及計算機(jī)信息處理手段,對大量數(shù)據(jù)進(jìn)行加工和分析,來提取數(shù)據(jù)模式或者是系統(tǒng)性的模型。數(shù)據(jù)挖掘既高度依賴先進(jìn)的統(tǒng)計方法和計算機(jī)技術(shù),也高度依賴數(shù)據(jù)分析人員的專業(yè)知識和經(jīng)驗。這是數(shù)據(jù)挖掘的核心。

    步驟六:性能評判。并不是所有挖掘出來的模式或者模型都是有效的,根據(jù)某種指標(biāo)度量(顯著性檢驗、準(zhǔn)確性檢驗或者某種測度),確定挖掘結(jié)果是合乎邏輯、合乎情理和合乎直覺的。

    步驟七:將數(shù)據(jù)挖掘的結(jié)果用于決策分析。根據(jù)數(shù)據(jù)挖掘的結(jié)果做出相應(yīng)的決策建議,例如改進(jìn)風(fēng)險管理策略、改進(jìn)市場營銷策略、改進(jìn)客戶服務(wù)策略等,以提高經(jīng)營管理的效益,實現(xiàn)數(shù)據(jù)挖掘的商業(yè)價值。

    步驟八:數(shù)據(jù)挖掘結(jié)果應(yīng)用。挖掘所獲得知識(模式、模型、規(guī)律、策略等),最終需要付諸于應(yīng)用,以產(chǎn)生現(xiàn)實的經(jīng)濟(jì)效益。往往通過挖掘人員和IT技術(shù)人員合作,開發(fā)一些計算機(jī)應(yīng)用系統(tǒng)來實現(xiàn)。

    步驟九:數(shù)據(jù)挖掘的跟蹤和提高。數(shù)據(jù)挖掘是一個不斷發(fā)現(xiàn)、不斷總結(jié)、不斷提高的過程。需要對數(shù)據(jù)挖掘的應(yīng)用進(jìn)行跟蹤和反饋,分析問題,提煉經(jīng)驗,并且不斷地更新迭代。例如個人信用評分的模型每年都要重新挖掘和訓(xùn)練。

    二、 數(shù)據(jù)挖掘技術(shù)在對外的風(fēng)險管理服務(wù)中的應(yīng)用

    1. 聚類分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。聚類分析(Clustering Analysis),也稱為自動分類,利用信用主體的信貸行為特征,根據(jù)(信貸行為、風(fēng)險模式、信用主體基本信息)相似性的原則,自動歸類,劃分信用主體群(也稱為類)。信用主體的類可以描述一種特定的信用風(fēng)險模式。聚類分析是面向信用風(fēng)險管理的數(shù)據(jù)挖掘的基本方法。

    在征信服務(wù)中的應(yīng)用:

    (1)信用主體細(xì)分,金融學(xué)的微觀基礎(chǔ)是行為科學(xué),無論公司行為或者是個人行為都具有一致性的特點,所以風(fēng)險管理一直做的工作,就是試圖通過對公司、個人行為的分析來預(yù)判公司、個人的違約前景,并為此開發(fā)出一系列的風(fēng)險模型,輔助授信決策。相對于公司客戶,個人客戶的行為更具有一致性和可預(yù)測性。俗話說,江山易改,本性難移,指的就是性格傾向的穩(wěn)定性和連續(xù)性。要直接在性格傾向于行為模式之間建立對應(yīng)關(guān)系,并不是很容易的事情,替代的方法就是分群,物以類聚,人以群分,只要把每個人所屬的人群類別定位準(zhǔn)確,要預(yù)測其行為模式就比較容易。從統(tǒng)計分析看,特定人群的行為模式就有很高的同質(zhì)性,換言之,不同人群在行為模式上有著明顯的差別。根據(jù)不同的人群有著不同的風(fēng)險模式,通過聚類分析,實現(xiàn)對不同的人群進(jìn)行不同的信用風(fēng)險管理,可以結(jié)合風(fēng)險規(guī)則,通過聚類分析,將個人信用主體分為老齡消費群體、高凈值客戶群體、80/90后消費群體和新興城鎮(zhèn)居民群體,然后進(jìn)行各自的風(fēng)險模式分析。此外通過聚類分析,可以發(fā)現(xiàn)一些新的信用主體的行為模式,例如技術(shù)創(chuàng)新性企業(yè)會出現(xiàn)不同于一般企業(yè)的信貸行為,這就可能對應(yīng)著新的信用風(fēng)險模式的出現(xiàn)。社會發(fā)展趨勢客戶細(xì)分客戶需求老齡消費者群體新興城鎮(zhèn)居民群體80/90后消費群體高凈值客戶群體低風(fēng)險保本型的銀行產(chǎn)品對現(xiàn)有社保、醫(yī)保有效補充的社保產(chǎn)品醫(yī)療服務(wù)和生活服務(wù)更豐富的理財產(chǎn)品以咨詢?yōu)閷?dǎo)向個性化的服務(wù)家族財富管理追求個性化、新鮮的金融產(chǎn)品互動式的7x24網(wǎng)銀服務(wù)移動金融服務(wù)人口老齡化富裕階層擴(kuò)大80/90后消費群體不斷壯大農(nóng)村城鎮(zhèn)化和城鄉(xiāng)一體化低費用無抵押貸款,新型農(nóng)村信用貸款有農(nóng)村特色的理財產(chǎn)品和中間業(yè)務(wù)

    (2)欺詐檢測。反欺詐是信用風(fēng)險管理中的重要內(nèi)容,結(jié)合專家規(guī)則,聚類算法可以用于挖掘出異常欺詐行為。

    征信機(jī)構(gòu)可以提供的反欺詐服務(wù)包括:

    (1)文檔交叉核對:通過交叉對比對客戶的歷史信貸資料來發(fā)現(xiàn)異常情況。(2)共享已確認(rèn)或疑似的欺詐行為:諸如英國的西法斯(CIFAS)等組織,在會員機(jī)構(gòu)之間共享確認(rèn)的或懷疑的欺詐記錄。(3)欺詐評分:征信機(jī)構(gòu)可以為特定的信貸機(jī)構(gòu)或所有信貸機(jī)構(gòu)開發(fā)欺詐評分產(chǎn)品。(4)欺詐監(jiān)測系統(tǒng):通過建立欺詐監(jiān)測系統(tǒng),設(shè)置欺詐監(jiān)測規(guī)則來發(fā)現(xiàn)申請欺詐行為,還可以通過還款行為進(jìn)行分析來發(fā)現(xiàn)銀行卡交易欺詐。

    艾克飛公司也已開發(fā)出在線的數(shù)據(jù)挖掘產(chǎn)品防欺詐顧問(Equifax Fraud Advisor),可以自動地進(jìn)行欺詐檢測,以減少手工操作帶來的風(fēng)險。

    2. 預(yù)測分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。預(yù)測分析是指通過對已知的信用主體的數(shù)據(jù)(信貸行為和風(fēng)險狀態(tài)/趨勢都已知),通過挖掘,構(gòu)建出預(yù)測模型,對未知的信用主體根據(jù)其信貸行為,預(yù)測出其風(fēng)險狀態(tài)/趨勢。基于征信數(shù)據(jù)的預(yù)測分析是通過數(shù)據(jù)挖掘中的回歸模型來實現(xiàn)的,包括風(fēng)險評估和風(fēng)險預(yù)測,兩者區(qū)別在于:風(fēng)險評估對目前的風(fēng)險狀況進(jìn)行量化描述;而風(fēng)險預(yù)測是對未來的風(fēng)險狀況進(jìn)行量化描述。

    在征信服務(wù)中的應(yīng)用:

    (1)信用評分。信用評分原始模型是根據(jù)已知的信用主體的信用歷史資料,進(jìn)行樣本學(xué)習(xí),得到了信用評分模型,根據(jù)信用評分模型,來決定客戶是否可以貸款或所可以持有的金額權(quán)限,甚至是貸款利息率,從而保證還款等業(yè)務(wù)的安全性。隨著風(fēng)險管理和數(shù)據(jù)挖掘水平的提高,信用評分已經(jīng)成為一個比較寬泛的概念,具體類型可達(dá)100多種,例如申請評分、欺詐評分、盈利評分、信貸審批評分、破產(chǎn)評分等。

    局評分是基于征信機(jī)構(gòu)的數(shù)據(jù)開發(fā)而來的信用評分,它與放貸機(jī)構(gòu)自行開發(fā)的客戶化信用評分有所不同。它使用的是來自各放貸機(jī)構(gòu)上報的信息,基本涵蓋了借款人所有的信貸記錄,包括借款人的貸款余額總量、貸款總筆數(shù)和所以歷史違約記錄,以及一些公共信息源的數(shù)據(jù),這是單個放貸機(jī)構(gòu)無法擁有的。

    (2)宏觀或中觀的信貸風(fēng)險預(yù)測指數(shù)?;谡餍畔到y(tǒng)的海量數(shù)據(jù)資源,可為宏觀層面的風(fēng)險預(yù)測提供具有前瞻性和準(zhǔn)確性的數(shù)據(jù)信息。從國內(nèi)金融業(yè)的未來發(fā)展看,對中性的政策性信息的需求將越來越迫切。有外部監(jiān)管方面的原因,如資本監(jiān)管體制改革。也有來自銀行內(nèi)部管理的推動,比如對信貸市場整體走勢的信息需求,對涉及金融穩(wěn)定和系統(tǒng)性風(fēng)險的信息需求等。另外從宏觀政策制定與實施的角度看,也需要了解和掌握中觀信息,所以存在很多的衍生需求。征信數(shù)據(jù)具有靈活豐富的數(shù)據(jù)維度(如行業(yè)、區(qū)域、規(guī)模;余額、新增、集中度;各類產(chǎn)品;期限、利率、五級分類等),可以制作出高信度的預(yù)警信息和有特色的信貸指數(shù)體系,生成行業(yè)、區(qū)域金融生態(tài)分析報告或相應(yīng)的產(chǎn)品。例如利用個人信用評分和經(jīng)濟(jì)形勢變化之間的關(guān)系,費埃哲公司(FICO)開發(fā)了FICO Economic Impact Index,主要分析宏觀經(jīng)濟(jì)環(huán)境變化引起的賬戶風(fēng)險和組合產(chǎn)品風(fēng)險。借款人在消費者的整個賬戶管理周期內(nèi)引入宏觀經(jīng)濟(jì)變化對其賬戶的風(fēng)險分析,即FICO經(jīng)濟(jì)影響指數(shù),便于其做出更為有利的風(fēng)險管理決策。

    3. 分類分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。分類(Classification)分析可以說是數(shù)據(jù)挖掘技術(shù)中最常用,最成熟的一種方法。分類分析可以看作是預(yù)測分析的一種特殊情況。在已知一些信用主體的類別標(biāo)簽(這些類別的標(biāo)簽可以是風(fēng)險預(yù)警的級別,也可以是信用的等級)的情況下,對未知的信用主體的類別進(jìn)行識別。主要的原理是基于對已有標(biāo)簽的信用主體的類別和其行為特征之間通過數(shù)據(jù)挖掘建立映射模型,這種模型稱為分類模型,將未知信用主體的行為特征輸入到分類模型中,就可以得到該信用主體的類別。

    在征信服務(wù)中的應(yīng)用:

    (1)風(fēng)險預(yù)警。風(fēng)險主動預(yù)警是目前商業(yè)銀行最迫切需要的信用信息服務(wù)之一。目前商業(yè)銀行的貸后管理和催收部門通過定期查詢部分借款人的信用報告來跟蹤借款人信用行為的變化情況,但就目前單筆信用報告的查詢模式而言,如果抽樣進(jìn)行查詢,則被查詢?nèi)说倪x取方法并無嚴(yán)格的科學(xué)依據(jù),無法保證覆蓋面;如果對本行的信貸客戶全部查詢,雖然可以保證覆蓋面,但系統(tǒng)資源和查詢費用的巨大開銷將嚴(yán)重降低全局查詢的投入產(chǎn)出比。因此,在借款人出現(xiàn)高風(fēng)險事件時,如征信系統(tǒng)能主動通知其它與其有業(yè)務(wù)來往的商業(yè)銀行,則可以高效地解決這一矛盾。例如可以根據(jù)信用主體的如下信貸記錄將預(yù)警可以分無預(yù)警、輕度預(yù)警、中度預(yù)警和重度預(yù)警四級:(1)當(dāng)前預(yù)期狀態(tài);(2)征信評分;(3)是否有信用卡取現(xiàn)情況;(4)最近12個月信用卡/貸款審批/擔(dān)保資格查詢次數(shù);(5)是否欠稅記錄;(6)是否有行政處罰記錄;(7)是否有電信欠費記錄。然后搜集樣本數(shù)據(jù),訓(xùn)練預(yù)警分類模型。最后實現(xiàn)對信用主體的自動標(biāo)示預(yù)警分類。

    (2)信用評級??梢愿鶕?jù)信用主體的債務(wù)、還款情況、收入和工作情況對其信用程度進(jìn)行分類,為授信額度的確立以及其它風(fēng)險管理措施提供依據(jù)。艾克飛公司開發(fā)出小企業(yè)風(fēng)險級別預(yù)測(Small Business Risk Class),預(yù)測小企業(yè)的商業(yè)賬戶在未來12個月內(nèi)出現(xiàn)嚴(yán)重拖欠(90天以上)或破產(chǎn)的風(fēng)險級別。賬戶風(fēng)險分為1個級別~5個級別。該分析工具利用的信息包括商業(yè)支付信息、公共記錄以及來自SBFE的銀行信貸和金融租賃信息。

    征信機(jī)構(gòu)可以為信貸機(jī)構(gòu)設(shè)計一系列評級模型,并協(xié)助放貸機(jī)構(gòu)制定客戶關(guān)系管理戰(zhàn)略。

    (1)模型跟蹤和性能檢測:信用評級一定程度上客觀、量化地展示了客戶的信用風(fēng)險,為保障評分模型有良好的預(yù)測能力,要不斷地進(jìn)行模型跟蹤調(diào)整,征信機(jī)構(gòu)可以提供一些工具用來監(jiān)控評分模型的性能變化,判斷在客戶群發(fā)生變化時評分模型是否仍有良好的好壞區(qū)分能力。

    (2)催收評級:對于有逾期記錄的客戶,通過催收評級進(jìn)一步區(qū)分惡意拖欠的可能性,幫助放貸機(jī)構(gòu)針對不同情況定制催收方案,而不是采取單一的催收措施(例如所以逾期30天的客戶都會收到相同的催收信函)。這種更有針對性的催收方案能幫助信貸機(jī)構(gòu)有效減少損失,提高催收效率。

    4. 相關(guān)性規(guī)則分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。

    定義:相關(guān)性規(guī)則(Association rule)分析是數(shù)據(jù)挖掘中一種簡單而又實用的技術(shù)。一個典型的例子就是“購物籃”分析,即通過發(fā)現(xiàn)消費者放入他們“購物籃”中的商品之間的關(guān)聯(lián)(頻繁地共同發(fā)生),分析顧客的購物習(xí)慣。在金融領(lǐng)域,相關(guān)性規(guī)則分析可以用來發(fā)現(xiàn)銀行客戶對所提供的金融服務(wù)于產(chǎn)品間的關(guān)聯(lián)性、不同信用產(chǎn)品價格之間的關(guān)聯(lián)性、不同市場變動趨勢之間的關(guān)聯(lián)性。在信用風(fēng)險管理中,相關(guān)性規(guī)則挖掘可以發(fā)現(xiàn)信貸數(shù)據(jù)庫中信貸行為和信用風(fēng)險之間的關(guān)聯(lián)性規(guī)則,這些規(guī)則反映了信用主體的風(fēng)險模式。

    在征信服務(wù)中的應(yīng)用:可以通過相關(guān)性規(guī)則分析來發(fā)現(xiàn)一些風(fēng)險關(guān)聯(lián)模式(或風(fēng)險特征要素),包括,例如信用主體信貸違約和信用主體的哪些基本信息有關(guān),例如收入、職業(yè)、年齡、經(jīng)營狀況和行業(yè)形勢等;自動地發(fā)現(xiàn)這些風(fēng)險因素的相關(guān)關(guān)系,這也是大數(shù)據(jù)時代中所強(qiáng)調(diào)的重視數(shù)據(jù)內(nèi)部蘊含的相關(guān)關(guān)系的基本思想。從常識上來看,兩個因素可能毫不相關(guān),但是存在很強(qiáng)的關(guān)聯(lián)效應(yīng)。這就為信用評分或者其它風(fēng)險量化分析選取主要的關(guān)聯(lián)因素(特征)提供依據(jù)。

    三、 結(jié)語

    征信機(jī)構(gòu)的核心資產(chǎn)是數(shù)據(jù),作為數(shù)據(jù)工廠,各種數(shù)據(jù)挖掘技術(shù)都可以得到很好地應(yīng)用。征信數(shù)據(jù)挖掘既可以面向不同的服務(wù)對象也可以應(yīng)用到不同的風(fēng)險層面。本文重點研究的是基本征信數(shù)據(jù)挖掘:從數(shù)據(jù)角度來說,處理的信貸行為數(shù)據(jù)是最基本的征信數(shù)據(jù);從分析技術(shù)來說,所采用的數(shù)據(jù)挖掘方法不僅技術(shù)手段和應(yīng)用相對成熟而且國外知名征信機(jī)構(gòu)已有很多成功的應(yīng)用案例可以借鑒。通過對征信系統(tǒng)進(jìn)行廣泛和深入地數(shù)據(jù)挖掘,不僅可以更好地進(jìn)行量化風(fēng)險管理和征信系統(tǒng)維護(hù),還能為未來征信大數(shù)據(jù)時代的到來打下更好的基礎(chǔ)。

    未來,本研究將繼續(xù)深入地探討征信數(shù)據(jù)挖掘的相關(guān)問題,例如如何深入開展基于聚類的客戶細(xì)分為信用風(fēng)險服務(wù)。同時也關(guān)注一些熱點和前沿問題,例如對基于關(guān)聯(lián)關(guān)系的征信數(shù)據(jù)挖掘,基于非結(jié)構(gòu)化數(shù)據(jù)的征信數(shù)據(jù)挖掘,以及大數(shù)據(jù)、互聯(lián)網(wǎng)金融、社交媒體、移動終端對征信服務(wù)以及征信數(shù)據(jù)挖掘的影響用等熱點話題。

    參考文獻(xiàn):

    [1] Jiawei Han, MichelineKamber,Jian Pei.數(shù)據(jù)挖掘概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2012.

    [2] 陳建,信用評分模型技術(shù)與應(yīng)用[M].北京:中國財政經(jīng)濟(jì)出版社,2005.

    [3] Bart Baesens、Tony van Gestel,Credit risk management:Basic Concepts,Oxford press,2009.

    [4] 馬超群,蘭秋軍,陳為民.金融數(shù)據(jù)挖掘[M].北京:科學(xué)出版社,2008.

    [5] Viktor Mayer-Sch?觟nberger、Kenneth Cukier.大數(shù)據(jù)時代[M].杭州:浙江人民出版社,2013.

    [6] 中國銀行和征信中心聯(lián)合課題組研究報告.征信系統(tǒng)在個人業(yè)務(wù)信用風(fēng)險管理中的應(yīng)用,2013.

    基金項目:國家自然科學(xué)基金青年基金(項目號:61105058);國家社會科學(xué)基金(項目號:13CJY011)。

    作者簡介:楊北京(1980-),男,漢族,江蘇省宿遷市人,中國人民大學(xué)商學(xué)院博士生,研究方向為互聯(lián)網(wǎng)金融與電子商務(wù),現(xiàn)就職于中國工商銀行總行;劉新海(1976-),男,漢族,河南省南陽市人,中國人民銀行征信中心高級研究員,中國人民銀行金融研究所應(yīng)用經(jīng)濟(jì)學(xué)博士后,研究方向為金融大數(shù)據(jù)和征信數(shù)據(jù)挖掘。

    收稿日期:2015-06-10。

    一、 問題的提出

    數(shù)據(jù)挖掘(Data Mining,DM)又稱知識發(fā)現(xiàn)(Knowledge Discover in Database,KDD),是指從數(shù)據(jù)集合的海量數(shù)據(jù)中揭示出隱含的模式、發(fā)現(xiàn)先前未知的并有潛在價值的信息和知識的過程(Jiawei Han,MichelineKamber,Jian Pei;2012)。由于數(shù)據(jù)挖掘在應(yīng)用過程中可以幫助商業(yè)決策這調(diào)整市場策略,評估風(fēng)險,獲得洞察力并進(jìn)行正確決策,目前已經(jīng)是人工智能和數(shù)據(jù)庫領(lǐng)域研究的熱點問題。隨著大數(shù)據(jù)時代的到來,數(shù)據(jù)挖掘技術(shù)已成為許多互聯(lián)網(wǎng)和零售企業(yè)的重要支撐技術(shù)和核心競爭力之一,并被廣泛地應(yīng)用到管理和社會學(xué)科等諸多領(lǐng)域。對作為天然就具有大數(shù)據(jù)和云計算特征的征信業(yè)而言,數(shù)據(jù)挖掘技術(shù)的地位和重要性不言而喻。目前國外征信機(jī)構(gòu)正在廣泛利用數(shù)據(jù)挖掘技術(shù),進(jìn)行信用風(fēng)險管理方面的產(chǎn)品開發(fā),申請了許多關(guān)于數(shù)據(jù)挖掘的專利授權(quán),并開發(fā)出多種數(shù)據(jù)挖掘產(chǎn)品。數(shù)據(jù)挖掘技術(shù)已經(jīng)成為它們的核心競爭力,例如益佰利(Experian)、艾克飛(Equifax)、環(huán)聯(lián)(Trans Union)和鄧白氏(Dun & Bradstreet,D&B)等。

    結(jié)合信用風(fēng)險管理的目標(biāo):對個人消費者和企業(yè)的風(fēng)險進(jìn)行評估,減少交易過程中的信息不對稱,本文將征信數(shù)據(jù)挖掘的基本步驟敘述如下:

    步驟一:確定商業(yè)目標(biāo)。該步驟主要是確定數(shù)據(jù)挖掘所要解決的具體問題,比如發(fā)現(xiàn)信用風(fēng)險特征、欺詐風(fēng)險特征、客戶流失特征等;確定征信數(shù)據(jù)挖掘問題的覆蓋范圍,比如房貸產(chǎn)品、信用卡產(chǎn)品或汽車貸款產(chǎn)品等。商業(yè)目標(biāo)不僅指明了數(shù)據(jù)挖掘方向,也是衡量數(shù)據(jù)挖掘效果的關(guān)鍵要素。

    步驟二:數(shù)據(jù)采集。首先確定數(shù)據(jù)挖掘所涉及的具體數(shù)據(jù)庫或者數(shù)據(jù)來源渠道,例如申請數(shù)據(jù)庫、客戶基本信息數(shù)據(jù)庫、交易數(shù)據(jù)庫、市場營銷數(shù)據(jù)等,其次確定通過何種技術(shù)手段獲取這些有用的數(shù)據(jù)以及數(shù)據(jù)的有效期。

    步驟三:數(shù)據(jù)清洗。消除噪聲和刪除不一致的數(shù)據(jù),進(jìn)行數(shù)據(jù)質(zhì)量檢查,確保數(shù)據(jù)可靠。數(shù)據(jù)質(zhì)量是數(shù)據(jù)挖掘的前提和生命。若數(shù)據(jù)質(zhì)量不高,即使數(shù)據(jù)挖掘的技術(shù)再先進(jìn),耗費的功夫再大也無濟(jì)于事。

    步驟四:數(shù)據(jù)整合和轉(zhuǎn)換。即將多種數(shù)據(jù)源整合在一起,把數(shù)據(jù)變換和統(tǒng)一成適合挖掘的形式,例如數(shù)據(jù)類型和數(shù)據(jù)格式的轉(zhuǎn)換,缺省值和極值的處理。

    步驟五:數(shù)據(jù)挖掘。使用模式識別或機(jī)器學(xué)習(xí)的方法以及計算機(jī)信息處理手段,對大量數(shù)據(jù)進(jìn)行加工和分析,來提取數(shù)據(jù)模式或者是系統(tǒng)性的模型。數(shù)據(jù)挖掘既高度依賴先進(jìn)的統(tǒng)計方法和計算機(jī)技術(shù),也高度依賴數(shù)據(jù)分析人員的專業(yè)知識和經(jīng)驗。這是數(shù)據(jù)挖掘的核心。

    步驟六:性能評判。并不是所有挖掘出來的模式或者模型都是有效的,根據(jù)某種指標(biāo)度量(顯著性檢驗、準(zhǔn)確性檢驗或者某種測度),確定挖掘結(jié)果是合乎邏輯、合乎情理和合乎直覺的。

    步驟七:將數(shù)據(jù)挖掘的結(jié)果用于決策分析。根據(jù)數(shù)據(jù)挖掘的結(jié)果做出相應(yīng)的決策建議,例如改進(jìn)風(fēng)險管理策略、改進(jìn)市場營銷策略、改進(jìn)客戶服務(wù)策略等,以提高經(jīng)營管理的效益,實現(xiàn)數(shù)據(jù)挖掘的商業(yè)價值。

    步驟八:數(shù)據(jù)挖掘結(jié)果應(yīng)用。挖掘所獲得知識(模式、模型、規(guī)律、策略等),最終需要付諸于應(yīng)用,以產(chǎn)生現(xiàn)實的經(jīng)濟(jì)效益。往往通過挖掘人員和IT技術(shù)人員合作,開發(fā)一些計算機(jī)應(yīng)用系統(tǒng)來實現(xiàn)。

    步驟九:數(shù)據(jù)挖掘的跟蹤和提高。數(shù)據(jù)挖掘是一個不斷發(fā)現(xiàn)、不斷總結(jié)、不斷提高的過程。需要對數(shù)據(jù)挖掘的應(yīng)用進(jìn)行跟蹤和反饋,分析問題,提煉經(jīng)驗,并且不斷地更新迭代。例如個人信用評分的模型每年都要重新挖掘和訓(xùn)練。

    二、 數(shù)據(jù)挖掘技術(shù)在對外的風(fēng)險管理服務(wù)中的應(yīng)用

    1. 聚類分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。聚類分析(Clustering Analysis),也稱為自動分類,利用信用主體的信貸行為特征,根據(jù)(信貸行為、風(fēng)險模式、信用主體基本信息)相似性的原則,自動歸類,劃分信用主體群(也稱為類)。信用主體的類可以描述一種特定的信用風(fēng)險模式。聚類分析是面向信用風(fēng)險管理的數(shù)據(jù)挖掘的基本方法。

    在征信服務(wù)中的應(yīng)用:

    (1)信用主體細(xì)分,金融學(xué)的微觀基礎(chǔ)是行為科學(xué),無論公司行為或者是個人行為都具有一致性的特點,所以風(fēng)險管理一直做的工作,就是試圖通過對公司、個人行為的分析來預(yù)判公司、個人的違約前景,并為此開發(fā)出一系列的風(fēng)險模型,輔助授信決策。相對于公司客戶,個人客戶的行為更具有一致性和可預(yù)測性。俗話說,江山易改,本性難移,指的就是性格傾向的穩(wěn)定性和連續(xù)性。要直接在性格傾向于行為模式之間建立對應(yīng)關(guān)系,并不是很容易的事情,替代的方法就是分群,物以類聚,人以群分,只要把每個人所屬的人群類別定位準(zhǔn)確,要預(yù)測其行為模式就比較容易。從統(tǒng)計分析看,特定人群的行為模式就有很高的同質(zhì)性,換言之,不同人群在行為模式上有著明顯的差別。根據(jù)不同的人群有著不同的風(fēng)險模式,通過聚類分析,實現(xiàn)對不同的人群進(jìn)行不同的信用風(fēng)險管理,可以結(jié)合風(fēng)險規(guī)則,通過聚類分析,將個人信用主體分為老齡消費群體、高凈值客戶群體、80/90后消費群體和新興城鎮(zhèn)居民群體,然后進(jìn)行各自的風(fēng)險模式分析。此外通過聚類分析,可以發(fā)現(xiàn)一些新的信用主體的行為模式,例如技術(shù)創(chuàng)新性企業(yè)會出現(xiàn)不同于一般企業(yè)的信貸行為,這就可能對應(yīng)著新的信用風(fēng)險模式的出現(xiàn)。社會發(fā)展趨勢客戶細(xì)分客戶需求老齡消費者群體新興城鎮(zhèn)居民群體80/90后消費群體高凈值客戶群體低風(fēng)險保本型的銀行產(chǎn)品對現(xiàn)有社保、醫(yī)保有效補充的社保產(chǎn)品醫(yī)療服務(wù)和生活服務(wù)更豐富的理財產(chǎn)品以咨詢?yōu)閷?dǎo)向個性化的服務(wù)家族財富管理追求個性化、新鮮的金融產(chǎn)品互動式的7x24網(wǎng)銀服務(wù)移動金融服務(wù)人口老齡化富裕階層擴(kuò)大80/90后消費群體不斷壯大農(nóng)村城鎮(zhèn)化和城鄉(xiāng)一體化低費用無抵押貸款,新型農(nóng)村信用貸款有農(nóng)村特色的理財產(chǎn)品和中間業(yè)務(wù)

    (2)欺詐檢測。反欺詐是信用風(fēng)險管理中的重要內(nèi)容,結(jié)合專家規(guī)則,聚類算法可以用于挖掘出異常欺詐行為。

    征信機(jī)構(gòu)可以提供的反欺詐服務(wù)包括:

    (1)文檔交叉核對:通過交叉對比對客戶的歷史信貸資料來發(fā)現(xiàn)異常情況。(2)共享已確認(rèn)或疑似的欺詐行為:諸如英國的西法斯(CIFAS)等組織,在會員機(jī)構(gòu)之間共享確認(rèn)的或懷疑的欺詐記錄。(3)欺詐評分:征信機(jī)構(gòu)可以為特定的信貸機(jī)構(gòu)或所有信貸機(jī)構(gòu)開發(fā)欺詐評分產(chǎn)品。(4)欺詐監(jiān)測系統(tǒng):通過建立欺詐監(jiān)測系統(tǒng),設(shè)置欺詐監(jiān)測規(guī)則來發(fā)現(xiàn)申請欺詐行為,還可以通過還款行為進(jìn)行分析來發(fā)現(xiàn)銀行卡交易欺詐。

    艾克飛公司也已開發(fā)出在線的數(shù)據(jù)挖掘產(chǎn)品防欺詐顧問(Equifax Fraud Advisor),可以自動地進(jìn)行欺詐檢測,以減少手工操作帶來的風(fēng)險。

    2. 預(yù)測分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。預(yù)測分析是指通過對已知的信用主體的數(shù)據(jù)(信貸行為和風(fēng)險狀態(tài)/趨勢都已知),通過挖掘,構(gòu)建出預(yù)測模型,對未知的信用主體根據(jù)其信貸行為,預(yù)測出其風(fēng)險狀態(tài)/趨勢?;谡餍艛?shù)據(jù)的預(yù)測分析是通過數(shù)據(jù)挖掘中的回歸模型來實現(xiàn)的,包括風(fēng)險評估和風(fēng)險預(yù)測,兩者區(qū)別在于:風(fēng)險評估對目前的風(fēng)險狀況進(jìn)行量化描述;而風(fēng)險預(yù)測是對未來的風(fēng)險狀況進(jìn)行量化描述。

    在征信服務(wù)中的應(yīng)用:

    (1)信用評分。信用評分原始模型是根據(jù)已知的信用主體的信用歷史資料,進(jìn)行樣本學(xué)習(xí),得到了信用評分模型,根據(jù)信用評分模型,來決定客戶是否可以貸款或所可以持有的金額權(quán)限,甚至是貸款利息率,從而保證還款等業(yè)務(wù)的安全性。隨著風(fēng)險管理和數(shù)據(jù)挖掘水平的提高,信用評分已經(jīng)成為一個比較寬泛的概念,具體類型可達(dá)100多種,例如申請評分、欺詐評分、盈利評分、信貸審批評分、破產(chǎn)評分等。

    局評分是基于征信機(jī)構(gòu)的數(shù)據(jù)開發(fā)而來的信用評分,它與放貸機(jī)構(gòu)自行開發(fā)的客戶化信用評分有所不同。它使用的是來自各放貸機(jī)構(gòu)上報的信息,基本涵蓋了借款人所有的信貸記錄,包括借款人的貸款余額總量、貸款總筆數(shù)和所以歷史違約記錄,以及一些公共信息源的數(shù)據(jù),這是單個放貸機(jī)構(gòu)無法擁有的。

    (2)宏觀或中觀的信貸風(fēng)險預(yù)測指數(shù)?;谡餍畔到y(tǒng)的海量數(shù)據(jù)資源,可為宏觀層面的風(fēng)險預(yù)測提供具有前瞻性和準(zhǔn)確性的數(shù)據(jù)信息。從國內(nèi)金融業(yè)的未來發(fā)展看,對中性的政策性信息的需求將越來越迫切。有外部監(jiān)管方面的原因,如資本監(jiān)管體制改革。也有來自銀行內(nèi)部管理的推動,比如對信貸市場整體走勢的信息需求,對涉及金融穩(wěn)定和系統(tǒng)性風(fēng)險的信息需求等。另外從宏觀政策制定與實施的角度看,也需要了解和掌握中觀信息,所以存在很多的衍生需求。征信數(shù)據(jù)具有靈活豐富的數(shù)據(jù)維度(如行業(yè)、區(qū)域、規(guī)模;余額、新增、集中度;各類產(chǎn)品;期限、利率、五級分類等),可以制作出高信度的預(yù)警信息和有特色的信貸指數(shù)體系,生成行業(yè)、區(qū)域金融生態(tài)分析報告或相應(yīng)的產(chǎn)品。例如利用個人信用評分和經(jīng)濟(jì)形勢變化之間的關(guān)系,費埃哲公司(FICO)開發(fā)了FICO Economic Impact Index,主要分析宏觀經(jīng)濟(jì)環(huán)境變化引起的賬戶風(fēng)險和組合產(chǎn)品風(fēng)險。借款人在消費者的整個賬戶管理周期內(nèi)引入宏觀經(jīng)濟(jì)變化對其賬戶的風(fēng)險分析,即FICO經(jīng)濟(jì)影響指數(shù),便于其做出更為有利的風(fēng)險管理決策。

    3. 分類分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。分類(Classification)分析可以說是數(shù)據(jù)挖掘技術(shù)中最常用,最成熟的一種方法。分類分析可以看作是預(yù)測分析的一種特殊情況。在已知一些信用主體的類別標(biāo)簽(這些類別的標(biāo)簽可以是風(fēng)險預(yù)警的級別,也可以是信用的等級)的情況下,對未知的信用主體的類別進(jìn)行識別。主要的原理是基于對已有標(biāo)簽的信用主體的類別和其行為特征之間通過數(shù)據(jù)挖掘建立映射模型,這種模型稱為分類模型,將未知信用主體的行為特征輸入到分類模型中,就可以得到該信用主體的類別。

    在征信服務(wù)中的應(yīng)用:

    (1)風(fēng)險預(yù)警。風(fēng)險主動預(yù)警是目前商業(yè)銀行最迫切需要的信用信息服務(wù)之一。目前商業(yè)銀行的貸后管理和催收部門通過定期查詢部分借款人的信用報告來跟蹤借款人信用行為的變化情況,但就目前單筆信用報告的查詢模式而言,如果抽樣進(jìn)行查詢,則被查詢?nèi)说倪x取方法并無嚴(yán)格的科學(xué)依據(jù),無法保證覆蓋面;如果對本行的信貸客戶全部查詢,雖然可以保證覆蓋面,但系統(tǒng)資源和查詢費用的巨大開銷將嚴(yán)重降低全局查詢的投入產(chǎn)出比。因此,在借款人出現(xiàn)高風(fēng)險事件時,如征信系統(tǒng)能主動通知其它與其有業(yè)務(wù)來往的商業(yè)銀行,則可以高效地解決這一矛盾。例如可以根據(jù)信用主體的如下信貸記錄將預(yù)警可以分無預(yù)警、輕度預(yù)警、中度預(yù)警和重度預(yù)警四級:(1)當(dāng)前預(yù)期狀態(tài);(2)征信評分;(3)是否有信用卡取現(xiàn)情況;(4)最近12個月信用卡/貸款審批/擔(dān)保資格查詢次數(shù);(5)是否欠稅記錄;(6)是否有行政處罰記錄;(7)是否有電信欠費記錄。然后搜集樣本數(shù)據(jù),訓(xùn)練預(yù)警分類模型。最后實現(xiàn)對信用主體的自動標(biāo)示預(yù)警分類。

    (2)信用評級??梢愿鶕?jù)信用主體的債務(wù)、還款情況、收入和工作情況對其信用程度進(jìn)行分類,為授信額度的確立以及其它風(fēng)險管理措施提供依據(jù)。艾克飛公司開發(fā)出小企業(yè)風(fēng)險級別預(yù)測(Small Business Risk Class),預(yù)測小企業(yè)的商業(yè)賬戶在未來12個月內(nèi)出現(xiàn)嚴(yán)重拖欠(90天以上)或破產(chǎn)的風(fēng)險級別。賬戶風(fēng)險分為1個級別~5個級別。該分析工具利用的信息包括商業(yè)支付信息、公共記錄以及來自SBFE的銀行信貸和金融租賃信息。

    征信機(jī)構(gòu)可以為信貸機(jī)構(gòu)設(shè)計一系列評級模型,并協(xié)助放貸機(jī)構(gòu)制定客戶關(guān)系管理戰(zhàn)略。

    (1)模型跟蹤和性能檢測:信用評級一定程度上客觀、量化地展示了客戶的信用風(fēng)險,為保障評分模型有良好的預(yù)測能力,要不斷地進(jìn)行模型跟蹤調(diào)整,征信機(jī)構(gòu)可以提供一些工具用來監(jiān)控評分模型的性能變化,判斷在客戶群發(fā)生變化時評分模型是否仍有良好的好壞區(qū)分能力。

    (2)催收評級:對于有逾期記錄的客戶,通過催收評級進(jìn)一步區(qū)分惡意拖欠的可能性,幫助放貸機(jī)構(gòu)針對不同情況定制催收方案,而不是采取單一的催收措施(例如所以逾期30天的客戶都會收到相同的催收信函)。這種更有針對性的催收方案能幫助信貸機(jī)構(gòu)有效減少損失,提高催收效率。

    4. 相關(guān)性規(guī)則分析在對外的風(fēng)險管理服務(wù)中的應(yīng)用。

    定義:相關(guān)性規(guī)則(Association rule)分析是數(shù)據(jù)挖掘中一種簡單而又實用的技術(shù)。一個典型的例子就是“購物籃”分析,即通過發(fā)現(xiàn)消費者放入他們“購物籃”中的商品之間的關(guān)聯(lián)(頻繁地共同發(fā)生),分析顧客的購物習(xí)慣。在金融領(lǐng)域,相關(guān)性規(guī)則分析可以用來發(fā)現(xiàn)銀行客戶對所提供的金融服務(wù)于產(chǎn)品間的關(guān)聯(lián)性、不同信用產(chǎn)品價格之間的關(guān)聯(lián)性、不同市場變動趨勢之間的關(guān)聯(lián)性。在信用風(fēng)險管理中,相關(guān)性規(guī)則挖掘可以發(fā)現(xiàn)信貸數(shù)據(jù)庫中信貸行為和信用風(fēng)險之間的關(guān)聯(lián)性規(guī)則,這些規(guī)則反映了信用主體的風(fēng)險模式。

    在征信服務(wù)中的應(yīng)用:可以通過相關(guān)性規(guī)則分析來發(fā)現(xiàn)一些風(fēng)險關(guān)聯(lián)模式(或風(fēng)險特征要素),包括,例如信用主體信貸違約和信用主體的哪些基本信息有關(guān),例如收入、職業(yè)、年齡、經(jīng)營狀況和行業(yè)形勢等;自動地發(fā)現(xiàn)這些風(fēng)險因素的相關(guān)關(guān)系,這也是大數(shù)據(jù)時代中所強(qiáng)調(diào)的重視數(shù)據(jù)內(nèi)部蘊含的相關(guān)關(guān)系的基本思想。從常識上來看,兩個因素可能毫不相關(guān),但是存在很強(qiáng)的關(guān)聯(lián)效應(yīng)。這就為信用評分或者其它風(fēng)險量化分析選取主要的關(guān)聯(lián)因素(特征)提供依據(jù)。

    三、 結(jié)語

    征信機(jī)構(gòu)的核心資產(chǎn)是數(shù)據(jù),作為數(shù)據(jù)工廠,各種數(shù)據(jù)挖掘技術(shù)都可以得到很好地應(yīng)用。征信數(shù)據(jù)挖掘既可以面向不同的服務(wù)對象也可以應(yīng)用到不同的風(fēng)險層面。本文重點研究的是基本征信數(shù)據(jù)挖掘:從數(shù)據(jù)角度來說,處理的信貸行為數(shù)據(jù)是最基本的征信數(shù)據(jù);從分析技術(shù)來說,所采用的數(shù)據(jù)挖掘方法不僅技術(shù)手段和應(yīng)用相對成熟而且國外知名征信機(jī)構(gòu)已有很多成功的應(yīng)用案例可以借鑒。通過對征信系統(tǒng)進(jìn)行廣泛和深入地數(shù)據(jù)挖掘,不僅可以更好地進(jìn)行量化風(fēng)險管理和征信系統(tǒng)維護(hù),還能為未來征信大數(shù)據(jù)時代的到來打下更好的基礎(chǔ)。

    未來,本研究將繼續(xù)深入地探討征信數(shù)據(jù)挖掘的相關(guān)問題,例如如何深入開展基于聚類的客戶細(xì)分為信用風(fēng)險服務(wù)。同時也關(guān)注一些熱點和前沿問題,例如對基于關(guān)聯(lián)關(guān)系的征信數(shù)據(jù)挖掘,基于非結(jié)構(gòu)化數(shù)據(jù)的征信數(shù)據(jù)挖掘,以及大數(shù)據(jù)、互聯(lián)網(wǎng)金融、社交媒體、移動終端對征信服務(wù)以及征信數(shù)據(jù)挖掘的影響用等熱點話題。

    參考文獻(xiàn):

    [1] Jiawei Han, MichelineKamber,Jian Pei.數(shù)據(jù)挖掘概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2012.

    [2] 陳建,信用評分模型技術(shù)與應(yīng)用[M].北京:中國財政經(jīng)濟(jì)出版社,2005.

    [3] Bart Baesens、Tony van Gestel,Credit risk management:Basic Concepts,Oxford press,2009.

    [4] 馬超群,蘭秋軍,陳為民.金融數(shù)據(jù)挖掘[M].北京:科學(xué)出版社,2008.

    [5] Viktor Mayer-Sch?觟nberger、Kenneth Cukier.大數(shù)據(jù)時代[M].杭州:浙江人民出版社,2013.

    [6] 中國銀行和征信中心聯(lián)合課題組研究報告.征信系統(tǒng)在個人業(yè)務(wù)信用風(fēng)險管理中的應(yīng)用,2013.

    基金項目:國家自然科學(xué)基金青年基金(項目號:61105058);國家社會科學(xué)基金(項目號:13CJY011)。

    作者簡介:楊北京(1980-),男,漢族,江蘇省宿遷市人,中國人民大學(xué)商學(xué)院博士生,研究方向為互聯(lián)網(wǎng)金融與電子商務(wù),現(xiàn)就職于中國工商銀行總行;劉新海(1976-),男,漢族,河南省南陽市人,中國人民銀行征信中心高級研究員,中國人民銀行金融研究所應(yīng)用經(jīng)濟(jì)學(xué)博士后,研究方向為金融大數(shù)據(jù)和征信數(shù)據(jù)挖掘。

    收稿日期:2015-06-10。

    猜你喜歡
    數(shù)據(jù)挖掘
    探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢
    數(shù)據(jù)挖掘技術(shù)在打擊倒賣OBU逃費中的應(yīng)用淺析
    基于并行計算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
    電力與能源(2017年6期)2017-05-14 06:19:37
    數(shù)據(jù)挖掘技術(shù)在中醫(yī)診療數(shù)據(jù)分析中的應(yīng)用
    一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
    數(shù)據(jù)挖掘的分析與探索
    河南科技(2014年23期)2014-02-27 14:18:43
    數(shù)據(jù)挖掘技術(shù)綜述與應(yīng)用
    河南科技(2014年19期)2014-02-27 14:15:26
    基于GPGPU的離散數(shù)據(jù)挖掘研究
    利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)LIS數(shù)據(jù)共享的開發(fā)實踐
    高級數(shù)據(jù)挖掘與應(yīng)用國際學(xué)術(shù)會議
    欧美午夜高清在线| 天堂影院成人在线观看| 久久精品国产亚洲av香蕉五月| 50天的宝宝边吃奶边哭怎么回事| 成人免费观看视频高清| 国产精品一区二区精品视频观看| 狠狠狠狠99中文字幕| 村上凉子中文字幕在线| 中文字幕精品免费在线观看视频| 一级a爱片免费观看的视频| 亚洲精品粉嫩美女一区| 男人舔女人的私密视频| 两个人看的免费小视频| 亚洲无线在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲欧美精品综合一区二区三区| 伦理电影免费视频| 制服诱惑二区| 成人免费观看视频高清| 91成人精品电影| 欧美激情久久久久久爽电影| 国产精品永久免费网站| 日韩高清综合在线| 国产av不卡久久| 国语自产精品视频在线第100页| 久久久久精品国产欧美久久久| 精品欧美国产一区二区三| a级毛片a级免费在线| 国产成人系列免费观看| 国产黄片美女视频| 黄片播放在线免费| 在线观看免费午夜福利视频| 国产精品av久久久久免费| 亚洲国产看品久久| 婷婷精品国产亚洲av| 制服人妻中文乱码| 久久久精品欧美日韩精品| 日韩 欧美 亚洲 中文字幕| 国产视频一区二区在线看| 日日夜夜操网爽| 性欧美人与动物交配| 18禁裸乳无遮挡免费网站照片 | 日本精品一区二区三区蜜桃| 亚洲 国产 在线| 国产精品乱码一区二三区的特点| 午夜久久久久精精品| 国产成人av教育| 国产高清有码在线观看视频 | 成年版毛片免费区| 日韩大尺度精品在线看网址| 成年免费大片在线观看| 又大又爽又粗| 成人亚洲精品一区在线观看| 一区二区日韩欧美中文字幕| 日本免费一区二区三区高清不卡| 天天一区二区日本电影三级| 国产成人av激情在线播放| 国产精品亚洲av一区麻豆| 嫁个100分男人电影在线观看| 黄色视频,在线免费观看| 国产欧美日韩一区二区三| 波多野结衣高清无吗| 侵犯人妻中文字幕一二三四区| 麻豆一二三区av精品| 日韩欧美在线二视频| 极品教师在线免费播放| 久久精品国产清高在天天线| 亚洲av成人不卡在线观看播放网| 亚洲av五月六月丁香网| 精品久久久久久久人妻蜜臀av| 久久久久国产一级毛片高清牌| 国产精华一区二区三区| 日本免费a在线| 久久精品国产清高在天天线| 亚洲精品在线观看二区| 变态另类成人亚洲欧美熟女| 成人精品一区二区免费| 欧洲精品卡2卡3卡4卡5卡区| 无人区码免费观看不卡| 亚洲五月天丁香| 午夜福利免费观看在线| 国产一区在线观看成人免费| 麻豆久久精品国产亚洲av| 在线十欧美十亚洲十日本专区| 精品久久久久久久久久免费视频| 国产区一区二久久| 给我免费播放毛片高清在线观看| 午夜福利免费观看在线| 国产私拍福利视频在线观看| 国产三级在线视频| 国产午夜福利久久久久久| 欧美精品啪啪一区二区三区| 怎么达到女性高潮| 亚洲国产精品久久男人天堂| 国产国语露脸激情在线看| 精品免费久久久久久久清纯| 久久久久国产精品人妻aⅴ院| 欧美亚洲日本最大视频资源| 妹子高潮喷水视频| 成人永久免费在线观看视频| 中文在线观看免费www的网站 | 国产av又大| 亚洲av熟女| 精品久久久久久久毛片微露脸| 1024香蕉在线观看| 97人妻精品一区二区三区麻豆 | 亚洲精品久久成人aⅴ小说| 久久久久久九九精品二区国产 | 两性午夜刺激爽爽歪歪视频在线观看 | 日本五十路高清| 日本黄色视频三级网站网址| 色婷婷久久久亚洲欧美| 一区二区三区国产精品乱码| 国产av一区在线观看免费| 99久久国产精品久久久| 嫁个100分男人电影在线观看| 亚洲av第一区精品v没综合| videosex国产| 国产成年人精品一区二区| 男女下面进入的视频免费午夜 | 一二三四社区在线视频社区8| 美女午夜性视频免费| 午夜免费成人在线视频| 老汉色∧v一级毛片| 久久久久久免费高清国产稀缺| 岛国在线观看网站| netflix在线观看网站| 高潮久久久久久久久久久不卡| 亚洲男人的天堂狠狠| 首页视频小说图片口味搜索| 操出白浆在线播放| 成年人黄色毛片网站| 国产精品久久久久久人妻精品电影| 亚洲人成77777在线视频| 老汉色av国产亚洲站长工具| 欧美午夜高清在线| 日韩精品免费视频一区二区三区| 午夜影院日韩av| 999久久久国产精品视频| 黄网站色视频无遮挡免费观看| 成年版毛片免费区| 欧美国产精品va在线观看不卡| 热re99久久国产66热| 精品国产乱子伦一区二区三区| 国产精品永久免费网站| 可以免费在线观看a视频的电影网站| 国产成人av教育| 别揉我奶头~嗯~啊~动态视频| 一区二区三区精品91| 久久精品91无色码中文字幕| 亚洲精品中文字幕一二三四区| 黑丝袜美女国产一区| 女生性感内裤真人,穿戴方法视频| 亚洲av美国av| 一进一出好大好爽视频| 亚洲片人在线观看| 国产一区在线观看成人免费| 国产三级在线视频| 亚洲精品在线观看二区| 自线自在国产av| 亚洲全国av大片| 老汉色∧v一级毛片| 妹子高潮喷水视频| 国产午夜福利久久久久久| 亚洲熟女毛片儿| 欧美成人午夜精品| av免费在线观看网站| 亚洲va日本ⅴa欧美va伊人久久| 一区二区三区国产精品乱码| 久久久精品国产亚洲av高清涩受| 两个人视频免费观看高清| 欧美黑人欧美精品刺激| 99精品欧美一区二区三区四区| 欧美激情 高清一区二区三区| 亚洲成人国产一区在线观看| 草草在线视频免费看| 两个人免费观看高清视频| 夜夜看夜夜爽夜夜摸| 亚洲午夜理论影院| 热re99久久国产66热| 看黄色毛片网站| 波多野结衣巨乳人妻| 成人精品一区二区免费| 久久久久久久久中文| 男男h啪啪无遮挡| 麻豆一二三区av精品| 亚洲av成人一区二区三| 欧美乱码精品一区二区三区| 好看av亚洲va欧美ⅴa在| 国产伦一二天堂av在线观看| 亚洲专区字幕在线| 一本大道久久a久久精品| 天天一区二区日本电影三级| 757午夜福利合集在线观看| 亚洲午夜精品一区,二区,三区| 久久久久国产精品人妻aⅴ院| 成人国产综合亚洲| 曰老女人黄片| 白带黄色成豆腐渣| av免费在线观看网站| 久久香蕉精品热| 精品一区二区三区视频在线观看免费| 国产99白浆流出| 午夜福利高清视频| av中文乱码字幕在线| 亚洲国产毛片av蜜桃av| 美女免费视频网站| 日韩欧美一区视频在线观看| 日韩欧美一区二区三区在线观看| 丰满的人妻完整版| 亚洲第一青青草原| 免费高清视频大片| 亚洲av日韩精品久久久久久密| 精品久久久久久久毛片微露脸| 叶爱在线成人免费视频播放| 国产高清有码在线观看视频 | 男女午夜视频在线观看| 久久久久久免费高清国产稀缺| 又黄又爽又免费观看的视频| 成人国产综合亚洲| 老熟妇乱子伦视频在线观看| 欧美久久黑人一区二区| 国内久久婷婷六月综合欲色啪| 日韩有码中文字幕| av片东京热男人的天堂| 亚洲欧美精品综合久久99| 国产精品永久免费网站| 亚洲人成网站高清观看| 99国产精品99久久久久| 国产成+人综合+亚洲专区| 欧美不卡视频在线免费观看 | 久久久久国产精品人妻aⅴ院| 国产乱人伦免费视频| 精品国产超薄肉色丝袜足j| 伊人久久大香线蕉亚洲五| 日韩成人在线观看一区二区三区| 一a级毛片在线观看| 欧美激情 高清一区二区三区| 国产黄a三级三级三级人| 国产精品av久久久久免费| 两个人视频免费观看高清| 这个男人来自地球电影免费观看| 午夜福利视频1000在线观看| 国产国语露脸激情在线看| 欧美中文日本在线观看视频| 欧美国产日韩亚洲一区| 啦啦啦观看免费观看视频高清| 看黄色毛片网站| 成人国产综合亚洲| 不卡一级毛片| 国产野战对白在线观看| 久热这里只有精品99| 十八禁网站免费在线| 国产精品爽爽va在线观看网站 | aaaaa片日本免费| 美女扒开内裤让男人捅视频| 欧美一级a爱片免费观看看 | 久久久久久久久免费视频了| 午夜日韩欧美国产| 免费无遮挡裸体视频| 亚洲成人精品中文字幕电影| 国产私拍福利视频在线观看| 国产av不卡久久| 18禁美女被吸乳视频| 十八禁人妻一区二区| 无人区码免费观看不卡| 精品久久久久久成人av| 精品国内亚洲2022精品成人| 欧美乱色亚洲激情| 亚洲成人免费电影在线观看| 久久精品人妻少妇| 亚洲精品久久成人aⅴ小说| 久久精品影院6| 亚洲精品中文字幕一二三四区| 男人的好看免费观看在线视频 | 欧美色视频一区免费| 狂野欧美激情性xxxx| 在线十欧美十亚洲十日本专区| 成年版毛片免费区| 国产高清视频在线播放一区| 国产精品久久久av美女十八| 深夜精品福利| 91av网站免费观看| 国产色视频综合| 亚洲成a人片在线一区二区| 国产av一区在线观看免费| 中文字幕高清在线视频| 美女国产高潮福利片在线看| 12—13女人毛片做爰片一| 欧美在线黄色| 国产黄a三级三级三级人| 国产高清有码在线观看视频 | 久久婷婷人人爽人人干人人爱| 国产一区二区激情短视频| 夜夜爽天天搞| 久久这里只有精品19| 国产精品 欧美亚洲| 欧美激情久久久久久爽电影| 国产一级毛片七仙女欲春2 | 欧美色视频一区免费| 色综合欧美亚洲国产小说| 亚洲 欧美一区二区三区| 成年版毛片免费区| 97碰自拍视频| 国产又色又爽无遮挡免费看| 国产亚洲欧美在线一区二区| 午夜福利在线观看吧| 国产视频内射| 高潮久久久久久久久久久不卡| 免费在线观看视频国产中文字幕亚洲| 老汉色∧v一级毛片| avwww免费| 天天添夜夜摸| 久久性视频一级片| 精品午夜福利视频在线观看一区| 亚洲精品av麻豆狂野| 少妇 在线观看| 久久久国产欧美日韩av| 国产av不卡久久| 一个人观看的视频www高清免费观看 | 狠狠狠狠99中文字幕| 操出白浆在线播放| 国产精品永久免费网站| 成人永久免费在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美一区视频在线观看| 女性生殖器流出的白浆| 日本免费a在线| 久久九九热精品免费| 人妻久久中文字幕网| 热re99久久国产66热| 老司机在亚洲福利影院| 男女午夜视频在线观看| 老汉色av国产亚洲站长工具| 夜夜爽天天搞| 99久久国产精品久久久| 久久热在线av| 亚洲色图av天堂| 91成人精品电影| 女性生殖器流出的白浆| 男人的好看免费观看在线视频 | 国产国语露脸激情在线看| 制服人妻中文乱码| 免费看日本二区| 夜夜躁狠狠躁天天躁| 一二三四在线观看免费中文在| 久久人人精品亚洲av| 波多野结衣高清作品| 一边摸一边抽搐一进一小说| 老司机福利观看| 在线播放国产精品三级| 搡老熟女国产l中国老女人| 久久久久久九九精品二区国产 | 亚洲美女黄片视频| 欧美黑人欧美精品刺激| 少妇裸体淫交视频免费看高清 | 午夜免费观看网址| 日本a在线网址| 国产97色在线日韩免费| 真人做人爱边吃奶动态| 亚洲精品在线美女| 国产精品免费一区二区三区在线| 啪啪无遮挡十八禁网站| 欧美一级毛片孕妇| 久久久久免费精品人妻一区二区 | 亚洲成av片中文字幕在线观看| 两个人视频免费观看高清| 午夜老司机福利片| 成人一区二区视频在线观看| 精品一区二区三区视频在线观看免费| 他把我摸到了高潮在线观看| 亚洲黑人精品在线| 色综合欧美亚洲国产小说| 搞女人的毛片| 色在线成人网| 午夜福利免费观看在线| 在线观看日韩欧美| 中文字幕最新亚洲高清| 欧美一级a爱片免费观看看 | 曰老女人黄片| 日韩精品免费视频一区二区三区| 免费在线观看日本一区| 手机成人av网站| 男人舔女人下体高潮全视频| 欧美日韩乱码在线| 亚洲一区高清亚洲精品| 无限看片的www在线观看| 最好的美女福利视频网| 俄罗斯特黄特色一大片| e午夜精品久久久久久久| 亚洲国产日韩欧美精品在线观看 | 亚洲成人免费电影在线观看| 他把我摸到了高潮在线观看| 午夜福利在线观看吧| 欧美国产日韩亚洲一区| 亚洲最大成人中文| 精华霜和精华液先用哪个| 成人午夜高清在线视频 | 男人舔奶头视频| 亚洲无线在线观看| 午夜老司机福利片| 亚洲午夜理论影院| 国产野战对白在线观看| 少妇裸体淫交视频免费看高清 | 国产一区二区在线av高清观看| 久久久国产成人免费| 黄色a级毛片大全视频| 丝袜在线中文字幕| 亚洲av日韩精品久久久久久密| 无人区码免费观看不卡| netflix在线观看网站| 女人高潮潮喷娇喘18禁视频| 国内毛片毛片毛片毛片毛片| 国产97色在线日韩免费| 757午夜福利合集在线观看| 欧美黑人精品巨大| 这个男人来自地球电影免费观看| 男女那种视频在线观看| 欧美亚洲日本最大视频资源| 国产一区二区在线av高清观看| 国产亚洲av高清不卡| 亚洲精品国产区一区二| 日韩欧美三级三区| 听说在线观看完整版免费高清| 国产国语露脸激情在线看| 亚洲欧洲精品一区二区精品久久久| 成人永久免费在线观看视频| 99re在线观看精品视频| 亚洲精华国产精华精| 男女那种视频在线观看| 久久久久久人人人人人| 国产一区二区三区在线臀色熟女| 美女 人体艺术 gogo| 又黄又粗又硬又大视频| 一a级毛片在线观看| 欧美日韩福利视频一区二区| 免费无遮挡裸体视频| 国产精品免费一区二区三区在线| 麻豆成人午夜福利视频| 99久久99久久久精品蜜桃| 亚洲国产精品sss在线观看| 一个人观看的视频www高清免费观看 | 久久午夜亚洲精品久久| 国产1区2区3区精品| 久久国产乱子伦精品免费另类| 欧美zozozo另类| 最近最新中文字幕大全电影3 | 1024香蕉在线观看| 免费在线观看黄色视频的| 久久精品亚洲精品国产色婷小说| 男人舔女人下体高潮全视频| 十八禁人妻一区二区| 丁香六月欧美| 亚洲国产毛片av蜜桃av| 18美女黄网站色大片免费观看| 中文字幕久久专区| 久久人人精品亚洲av| av超薄肉色丝袜交足视频| 精品国产乱子伦一区二区三区| 99国产极品粉嫩在线观看| 69av精品久久久久久| 国产精品一区二区免费欧美| 日韩欧美国产一区二区入口| 国产成人精品无人区| 久久人妻av系列| 男人舔女人的私密视频| 51午夜福利影视在线观看| 欧美大码av| 亚洲av成人不卡在线观看播放网| 欧美日韩乱码在线| 观看免费一级毛片| 男人舔奶头视频| 欧美黑人巨大hd| 久久青草综合色| 亚洲自拍偷在线| 日韩大码丰满熟妇| 99久久99久久久精品蜜桃| 日韩欧美一区视频在线观看| 男人操女人黄网站| 国产免费男女视频| 国产精品免费一区二区三区在线| 午夜激情福利司机影院| 国产精品一区二区精品视频观看| 十八禁网站免费在线| 夜夜夜夜夜久久久久| 国产精品99久久99久久久不卡| 亚洲精品粉嫩美女一区| 成熟少妇高潮喷水视频| 亚洲国产欧美日韩在线播放| 一夜夜www| 精品久久久久久久久久免费视频| 91成人精品电影| 男人的好看免费观看在线视频 | 国产99久久九九免费精品| 丁香欧美五月| 在线永久观看黄色视频| 欧美日韩一级在线毛片| 欧美不卡视频在线免费观看 | 国产欧美日韩一区二区三| 亚洲人成伊人成综合网2020| 黄色成人免费大全| 欧美性猛交黑人性爽| 在线播放国产精品三级| 国产精品影院久久| 午夜免费激情av| 中文字幕精品免费在线观看视频| 88av欧美| 国产v大片淫在线免费观看| 悠悠久久av| 久久亚洲真实| 看黄色毛片网站| 宅男免费午夜| 首页视频小说图片口味搜索| 亚洲精品国产区一区二| 国产成人精品无人区| 看片在线看免费视频| 国产蜜桃级精品一区二区三区| 老司机午夜十八禁免费视频| 亚洲三区欧美一区| 性色av乱码一区二区三区2| 欧美最黄视频在线播放免费| 一a级毛片在线观看| 精品一区二区三区四区五区乱码| 熟女电影av网| 最近最新中文字幕大全免费视频| 亚洲精品av麻豆狂野| 在线永久观看黄色视频| 欧美中文日本在线观看视频| 老熟妇仑乱视频hdxx| 一边摸一边抽搐一进一小说| 国产免费男女视频| 久久久久久久久久黄片| 午夜精品在线福利| 亚洲 欧美一区二区三区| 亚洲全国av大片| 嫩草影院精品99| 性欧美人与动物交配| 亚洲最大成人中文| 欧美黑人精品巨大| www.www免费av| 人妻丰满熟妇av一区二区三区| 12—13女人毛片做爰片一| 色综合站精品国产| 丰满人妻熟妇乱又伦精品不卡| 久久人妻福利社区极品人妻图片| 精品久久久久久久人妻蜜臀av| 国产成年人精品一区二区| 亚洲人成网站高清观看| 色综合亚洲欧美另类图片| 亚洲欧美精品综合久久99| 亚洲成人久久性| 久久久久九九精品影院| 国产乱人伦免费视频| 日本a在线网址| 搡老熟女国产l中国老女人| 亚洲熟妇熟女久久| 久久热在线av| 精品国产美女av久久久久小说| 成年女人毛片免费观看观看9| 亚洲av成人不卡在线观看播放网| 国产精华一区二区三区| 国产精品1区2区在线观看.| 两个人视频免费观看高清| av电影中文网址| 亚洲狠狠婷婷综合久久图片| 日日爽夜夜爽网站| 国产欧美日韩精品亚洲av| 黑人欧美特级aaaaaa片| 男女做爰动态图高潮gif福利片| 国产v大片淫在线免费观看| 国产野战对白在线观看| x7x7x7水蜜桃| 女人高潮潮喷娇喘18禁视频| 很黄的视频免费| 国产乱人伦免费视频| 高清毛片免费观看视频网站| 亚洲成人久久性| 热99re8久久精品国产| 精品久久久久久,| 久久伊人香网站| 亚洲国产欧洲综合997久久, | www日本黄色视频网| 亚洲第一欧美日韩一区二区三区| av欧美777| 两个人看的免费小视频| 成人亚洲精品一区在线观看| 欧美日韩精品网址| 操出白浆在线播放| 欧美在线黄色| 亚洲国产中文字幕在线视频| 亚洲av美国av| 9191精品国产免费久久| 夜夜爽天天搞| 老司机靠b影院| 亚洲欧美激情综合另类| 国产高清激情床上av| 怎么达到女性高潮| 欧美性猛交╳xxx乱大交人| 亚洲午夜精品一区,二区,三区| 成年人黄色毛片网站| 亚洲欧美日韩无卡精品| 日韩欧美国产在线观看| 露出奶头的视频| 老司机在亚洲福利影院| 国产成人影院久久av| 老熟妇仑乱视频hdxx| 成年免费大片在线观看| 欧美又色又爽又黄视频| 可以免费在线观看a视频的电影网站| 亚洲男人天堂网一区| 一区二区三区国产精品乱码| 狠狠狠狠99中文字幕| 亚洲国产欧美日韩在线播放| 精品午夜福利视频在线观看一区| 亚洲av美国av|