基于大數(shù)據(jù)分析的銀行不良信貸風險預警系統(tǒng)設(shè)計

本文主要闡述了基于大數(shù)據(jù)分析銀行不良信貸風險預警系統(tǒng)設(shè)計方案，同時，提出了基于層次分析法的銀行不良信貸風險預警系統(tǒng)模型設(shè)計，通過分析實驗結(jié)果，能夠為相關(guān)設(shè)計人員提供一些參考。

【關(guān)鍵詞】大數(shù)據(jù)分析 不良信貸風險 銀行預警系統(tǒng)

隨著大數(shù)據(jù)時代的到來，金融領(lǐng)域是國家重點發(fā)展的領(lǐng)域。銀行作為金融領(lǐng)域中的主體地位，在管控風險功能上受到大數(shù)據(jù)的影響。通過對大數(shù)據(jù)進行分析，建立對銀行不良信貸風險的預警系統(tǒng)，能夠解決銀行和客戶信息不對稱的問題，從而提高銀行風險管控能力和經(jīng)營水平。

1 基于大數(shù)據(jù)分析下的銀行不良信貸風險預警系統(tǒng)設(shè)計方案

在進行大數(shù)據(jù)下的銀行不良信貸預警系統(tǒng)設(shè)計中，需要對海量數(shù)據(jù)中的不準確數(shù)據(jù)進行集中處理，建立對應(yīng)的數(shù)據(jù)關(guān)系算法，進而優(yōu)化銀行不良信貸風險問題。在RS理論中，設(shè)計一個不具名的銀行不良信貸信息系統(tǒng)為R=（T，Y，U，I），系統(tǒng)的域為O，，同時，，A為銀行不良信貸的屬性集，D為銀行不良信貸的決策集，U為信貸信息的屬性集合。利用函數(shù)，可以表述出銀行不良信貸的映射情況，當，。當銀行的不良信貸信息不確定時，可以用表示。上述方法，在對銀行不良信貸模糊信息優(yōu)化時，能夠排除冗余信息，得到可利用的信息。

在進行大數(shù)據(jù)下的銀行不良信貸風險預警系統(tǒng)設(shè)計中，建立BP神經(jīng)網(wǎng)絡(luò)模式，架構(gòu)信息的輸入層、輸出層以及拓展層，能夠起到連接預警系統(tǒng)和信貸信息系統(tǒng)的作用。BP神經(jīng)網(wǎng)絡(luò)模式應(yīng)用的是集合訓練法，它能夠?qū)S理論和BP模型相結(jié)合，具體架構(gòu)步驟如下：

（1）通過RS結(jié)構(gòu)系統(tǒng)，提出風險預警機制中的冗余信息，利用函數(shù)數(shù)據(jù)離散化處理，確定影響銀行不良信貸風險的因素之間的關(guān)系。

（2）將RS理論應(yīng)用到BP模型中，建立初步的風險預警系統(tǒng)模型。將剔除冗余信息后進行集合，輸送到RS理論的輸入層，傳遞給RS-BP神經(jīng)網(wǎng)絡(luò)，然后對隱含層、輸出層進行集合訓練，達到模型的最優(yōu)化狀態(tài)。

（3）如果在優(yōu)化狀態(tài)下，仍舊存在信息冗余，可以多次重復上述的步驟，經(jīng)過迭代運算，能夠完成訓練精度的要求。根據(jù)上述的結(jié)構(gòu)設(shè)計，所產(chǎn)生的銀行不良信貸風險數(shù)據(jù)，可以形成預警系統(tǒng)。

2 基于層次分析法的銀行不良信貸風險預警系統(tǒng)模型設(shè)計

由于傳統(tǒng)的算法在面對現(xiàn)如今的大數(shù)據(jù)信息時，準確性較低，從而影響風險預警系統(tǒng)評估風險的準確性，因此，本文提出一種基于層次分析法的銀行不良信貸風險預警系統(tǒng)的架構(gòu)方法。首先，設(shè)計銀行不良信貸風險預警系統(tǒng)的結(jié)構(gòu)。在進行風險預警中，要將層次分析法和RS-BP算法相結(jié)合，將其分為上下兩層，即銀行信息的準則層和目標層，準則層主要由銀行的財務(wù)、客戶、內(nèi)部業(yè)務(wù)、創(chuàng)新等方面，分為A、B、C、D，依次包含銀行貸款收益率、銀行市場占有率和顧客情感、銀行貸款業(yè)務(wù)平均成本和出錯率、銀行的創(chuàng)新能力等。再者，約束條件確定權(quán)重指標。通過德爾菲法對銀行的不良信貸風險預警系統(tǒng)的權(quán)重進行優(yōu)化，過程如下：

（1）設(shè)置第i項的銀行不良信貸業(yè)務(wù)存在著風險分別為，相對的權(quán)重即為，因此，不良信貸的風險指標i對銀行的影響公式：

（2）根據(jù)銀行的不良信貸業(yè)務(wù)的風險指標建立預警系統(tǒng)的準則層，可以計算該層所具有的向量平均值，公式為：

其中，n=1，2，3，4。

（3）在進行檢驗時候，如果檢驗的結(jié)果小于0.1，就表示銀行不良信貸風險預警系統(tǒng)具有很高的準確性。

最后，完善銀行不良信貸發(fā)風險的預警系統(tǒng)。完善風險預警系統(tǒng)，需要得到風險評估的權(quán)重，具體步驟如下：

（1）計算出此層系統(tǒng)的權(quán)重和上層權(quán)重的積。如果上層權(quán)重仍有延續(xù)層，將相乘得到的結(jié)果與延續(xù)層相乘，可以得到第二層的權(quán)重。

（2）按照銀行不良信貸的指標和權(quán)重作為原始數(shù)據(jù)，建立銀行不良信貸風險預警模型，模型的公式數(shù)據(jù)為：

銀行不良信貸風險指數(shù)=（第一指標*權(quán)重）/系統(tǒng)權(quán)重之和

為了進一步簡化系統(tǒng)工作過程，可以將銀行不良信貸的風險預警指標轉(zhuǎn)換為公式，如下：

通過這樣的方法，在架設(shè)大數(shù)據(jù)下的銀行不良信貸風險預警系統(tǒng)過程中，如果風險指數(shù)越低，銀行的不良信貸管理能力越高；當指數(shù)過高，說明銀行的不良信貸管理能力低。

3 實驗結(jié)果及分析

為了保證系統(tǒng)算法的有效性，需要進行不斷改進，在某銀行的不良信貸風險預警系統(tǒng)中，從銀行報表隨機選取200組數(shù)據(jù)，每組數(shù)據(jù)顯示一天中的不良信貸數(shù)據(jù)，然后利用上述兩種算法進行風險預警，從而得出數(shù)據(jù)，通過與銀行數(shù)據(jù)的報表的對比，能夠得出傳統(tǒng)算法和改進算法的誤差比。

通過實驗，能夠顯示出傳統(tǒng)算法和改進算法之后的誤差對比：改進前的算法誤差在1.18%-2.98%，而預警系統(tǒng)在改進后，誤差在0.01%-0.12%，說明在進行銀行不良信貸預警過程中，改進算法可以降低系統(tǒng)信息的冗余性，能夠提高銀行不良信貸的的預警能力。由于大數(shù)據(jù)的影響下，銀行的不良信貸具有海量信息性、冗余性，導致銀行的不良信貸預警能力弱，通過建立預警系統(tǒng)，能夠有效的銀行解決信貸管理問題。

而在相較于傳統(tǒng)的預警系統(tǒng)算法，改進后的算法明顯小于前者，降低了銀行不良信貸預警系統(tǒng)的運算誤差，極大提高了銀行不良信貸的預警能力，進一步完善銀行信貸管理能力。

4 結(jié)束語

綜上所述，基于大數(shù)據(jù)分析的銀行不良信貸預警系統(tǒng)能夠降低銀行管理風險。在此基礎(chǔ)上，通過排除RS-BP算法冗余信息、將RS理論應(yīng)用到BP模型中，能夠建立初步的風險預警系統(tǒng)模型、提高信息的準確性，同時，通過建立層次分析法的銀行不良信貸風險預警系統(tǒng)、對比銀行數(shù)據(jù)報表，能夠完善預警系統(tǒng)的層次結(jié)構(gòu)、得出傳統(tǒng)算法和改進算法的誤差比。因此，在遇到基于大數(shù)據(jù)下的銀行不良信貸管理問題時，可以通過建構(gòu)預警系統(tǒng)來解決。

參考文獻

[1]周大林.基于大數(shù)據(jù)征信的商業(yè)銀行小微企業(yè)信貸風險控制研究[D].安徽大學，2017.

[2]林蔭.基于大數(shù)據(jù)分析的銀行不良信貸風險模型[J].工程經(jīng)濟，2015（06）：112-118.

作者簡介

韓?。?982-），男，北京市人，碩士研究生，研究方向為大數(shù)據(jù)與數(shù)據(jù)挖掘，通訊。

作者單位

中國民生銀行總行 北京市 100031