基于BP神經(jīng)網(wǎng)絡(luò)的客戶信用評級模型

姜健 陳婧伊 王宇歌

摘 要：規(guī)避道德風(fēng)險(xiǎn)的關(guān)鍵在于正確的授信，即根據(jù)客戶的資質(zhì)確定借貸金額，基于此，本文建立了基于信用評級的道德風(fēng)險(xiǎn)規(guī)避模型，根據(jù)客戶的信用等級來進(jìn)行消費(fèi)金融借貸。在客戶畫像體系的建立中，數(shù)據(jù)中客戶量極大，無法一一描述每一個客戶的特征，本文通過篩選指標(biāo)建立了合理的客戶價值評估模型，并進(jìn)行了仿真驗(yàn)證。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò) 客戶信用 t檢驗(yàn) 客戶畫像

中圖分類號：F832 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2018）06（c）-172-02

在消費(fèi)金融如火如荼發(fā)展的同時，為了搶奪客戶，不少消費(fèi)分期平臺的服務(wù)人群逐步下沉至農(nóng)村、大學(xué)生、流動人口甚至“黑戶”，而農(nóng)民收入低大多比較貧窮、學(xué)生無固定收入來源、流動人口流動性大、黑戶信用程度低，因此，在消費(fèi)金融井噴式增長的同時埋下風(fēng)險(xiǎn)隱患，出現(xiàn)了違規(guī)操作、客戶資質(zhì)下沉、過度授信、風(fēng)控不力、壞賬率高等諸多問題。

1 客戶畫像體系建立

識別客戶價值應(yīng)用最廣泛的模型是通過三個指標(biāo)（最近消費(fèi)時間間隔（Recency）、消費(fèi)頻率（Frequency）、消費(fèi)金額（Monetary）來進(jìn)行客戶細(xì)分，簡稱RFM模型。從某商業(yè)銀行的客戶信息數(shù)據(jù)中（train）提取了個貸是否結(jié)清標(biāo)志、本月轉(zhuǎn)入筆數(shù)、本期賬戶交易金額、客戶資產(chǎn)總額五個指標(biāo)對客戶進(jìn)行分類，如圖1所示。

基于該特征描述，定義5個等級的客戶類別：重要保持客戶、重要發(fā)展客戶、重要挽留客戶、一般客戶與低價值客戶。其中客戶群1屬于重要挽留客戶、客戶群2屬于一般客戶、客戶群3屬于重要發(fā)展客戶、客戶群4屬于低價值客戶、客戶群5屬于重要保持客戶，它們的特征如下。

（1）重要保持客戶。這類客戶的交易金額很大，在資產(chǎn)總額方面有著絕對優(yōu)勢，同時也沒有明顯的弱勢特征。他們是消費(fèi)金融行業(yè)的高價值客戶，是最為理想的客戶類型。消費(fèi)金融企業(yè)應(yīng)該優(yōu)先將資源投放到他們身上，對他們進(jìn)行差異化管理和一對一的營銷，提高這類客戶的忠誠度與滿意度，盡可能地延長這類客戶的高水平消費(fèi)。

（2）重要發(fā)展客戶。這類客戶的信用程度很好，同時沒有明顯弱勢特征，他們是消費(fèi)金融企業(yè)的潛在價值客戶。雖然這類客戶的當(dāng)前價值并不是很高，但卻有很大的發(fā)展?jié)摿?。航空公司要努力促使這類客戶增加在消費(fèi)金融領(lǐng)域的消費(fèi)，也就是增加其交易金額。通過客戶價值的提升，加強(qiáng)這類客戶的滿意度，使他們逐漸成為消費(fèi)金融公司的忠誠客戶。

（3）重要挽留客戶。這類客戶無明顯的優(yōu)勢特征，但劣勢特征也不多，主要存在一些個貸沒有結(jié)清的情況。這類客戶價值變化的不確定性很大，由于這些客戶衰退的原因各不相同，所以掌握客戶的最新信息、維持與客戶的互動就顯得尤為重要了。

（4）一般客戶或低價值客戶。這類客戶無明顯的優(yōu)勢特征，同時還存在一些劣勢特征，如個貸未結(jié)清、交易金額、交易次數(shù)、資產(chǎn)總額少等。他們是消費(fèi)金融企業(yè)的一般用戶或低價值用戶，可能是手頭實(shí)在不寬裕的時候才會進(jìn)行消費(fèi)借貸。

2 顯著性檢驗(yàn)

t檢驗(yàn)可以根據(jù)樣本數(shù)據(jù)推斷總體的均值是否有顯著性差異?；跉w一化的數(shù)據(jù)，t檢驗(yàn)的零假設(shè)和備擇假設(shè)如下：

利用SPSS統(tǒng)計(jì)軟件得到的t檢驗(yàn)結(jié)果分析：

t檢驗(yàn)首先要判斷總體的方差是否相等，利用SPSS軟件可以直接得到方差齊性滿足和不滿足兩種情況下t檢驗(yàn)的P值，在0.05的顯著性水平下，P<0.05，拒絕原假設(shè)，認(rèn)為該變量可以對“是否逾期”有良好的區(qū)分效果。本文基于此挑選出對逾期行為有顯著影響的14個變量，分別為：最近3個月轉(zhuǎn)出筆數(shù)、資產(chǎn)總額、最近3個月客戶AUM平均值、最近6個月客戶AUM平均值、3個月基金月日均金額、6個月基金月日均金額、3個月國債月日均金額、6個月國債月日均金額、最近3個月客戶月平均資產(chǎn)總計(jì)、最近6個月客戶月平均資產(chǎn)總計(jì)、6個月月平均持有外幣金額、3個月月平均持有本幣金額、6個月月平均持有本幣金額、6個月月平均外幣新增余額。

3 BP神經(jīng)網(wǎng)絡(luò)建立

本文采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)包括訓(xùn)練—仿真，由上面經(jīng)過t檢驗(yàn)篩選出的14個變量作為輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)訓(xùn)練完成后將test中的數(shù)據(jù)輸入，得到test數(shù)據(jù)表中每一個客戶的類別歸屬。

輸入層神經(jīng)元取14，隱含層定位2，網(wǎng)絡(luò)的輸出層神經(jīng)元個數(shù)取1，輸出客戶的得分情況。實(shí)驗(yàn)結(jié)果如圖2、圖3所示，通過誤差傳播過程發(fā)現(xiàn)隨著網(wǎng)絡(luò)運(yùn)行步長的增多，MSE誤差呈現(xiàn)不斷下降的趨勢，網(wǎng)絡(luò)訓(xùn)練中止，此時誤差小于0.06的量級，能夠滿足擬合要求。

將test數(shù)據(jù)表中的客戶信息輸入到已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，即可得到輸入的客戶的得分情況，得分區(qū)間為[-1，1]。其中，-1代表無逾期，1代表有逾期，得分越接近-1代表信用程度越高，反之，越接近1代表信用程度越低。再根據(jù)信用程度高低確定授信額度，就可顯著的減小壞賬情況，有效地規(guī)避道德風(fēng)險(xiǎn)。

神經(jīng)網(wǎng)絡(luò)輸出的客戶得分情況部分展示，如表1所示。

綜上所述，得分情況反應(yīng)了客戶的資質(zhì)以及信用情況，消費(fèi)金融企業(yè)應(yīng)根據(jù)客戶的資質(zhì)確定借貸金額，根據(jù)客戶的信用評級來進(jìn)行消費(fèi)金融借貸，防止違規(guī)操作、過度授信等錯誤操作，如此才可減小壞賬率，有效地規(guī)避道德風(fēng)險(xiǎn)。

4 結(jié)語

BP神經(jīng)網(wǎng)絡(luò)是目前世界上最為廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型之一，在預(yù)測、評價等方面都得到了廣泛應(yīng)用。該模型作為一種解決非線性問題的有利工具，可以推廣到其他領(lǐng)域的應(yīng)用。但由于BP神經(jīng)網(wǎng)絡(luò)模型自身的局限性，實(shí)際應(yīng)用中需要進(jìn)行一定的改進(jìn)和修正。

參考文獻(xiàn)

[1] 卓金武，李必文，魏永生，等.MATLAB在數(shù)學(xué)建模中的應(yīng)用（第二版）[M].北京：北京航空航天大學(xué)出版社，2014.

[2] 姜啟源，謝金星，葉俊.數(shù)學(xué)模型（第四版）[M].北京：高等教育出版社，2011.

[3] 謝中華.MATLAB統(tǒng)計(jì)分析與應(yīng)用[M].北京：北京航空航天大學(xué)出版社，2011.