基于機器學(xué)習(xí)在風(fēng)險評估中的研究

吳燁

【摘 要】近些年來，在人工智能快速發(fā)展的背景下，深入研究機器學(xué)習(xí)以及將其放在不同的領(lǐng)域內(nèi)進行研究已經(jīng)變得愈發(fā)重要，其中機器學(xué)習(xí)在風(fēng)險評估領(lǐng)域中的研究，已經(jīng)越來越受到國家和社會各行各業(yè)的重視。在信用風(fēng)險里，信用評估毫無疑問是信用貸款過程里最重要的一環(huán)，它是指使用一些方法對借款人信用狀況進行評估的一種活動。信用評估作為風(fēng)險管理中的核心評估工具，在過去幾十年中被廣泛應(yīng)用于金融行業(yè)中。當(dāng)有人申請信用、抵押貸款等信貸產(chǎn)品時，金融機構(gòu)需要區(qū)分“好”客戶和“壞”客戶。信用評分系統(tǒng)會對客戶的特征進行評估，并將其分配為“信用評分”，這與授予信用后客戶未來違約的概率密切相關(guān)。其中風(fēng)險分析作為非常關(guān)鍵的一步，是提高信貸安全性的源頭。本文將詳細介紹風(fēng)險分析的概念、基本過程，為學(xué)習(xí)機器學(xué)習(xí)的風(fēng)險評估研究人員提供指導(dǎo)。

【關(guān)鍵詞】機器學(xué)習(xí)；風(fēng)險評估

互聯(lián)網(wǎng)時代，人們制造、收集了大量的數(shù)據(jù)，如何從這些數(shù)據(jù)中抽取出有價值的信息是一個非常值得研究的課題?，F(xiàn)在也是個“數(shù)據(jù)為王”的年代，各個公司都在瘋狂得搜集用戶數(shù)據(jù)，個人信息、使用習(xí)慣、搜索記錄、觀看記錄甚至電子郵件內(nèi)容希望能從中發(fā)現(xiàn)用戶的喜好，挖掘用戶的需求?？芍^誰擁有數(shù)據(jù)，誰就有下一個機會。然而光有這些數(shù)據(jù)是不夠的，海量的數(shù)據(jù)已經(jīng)超出了直接計算的可行性，想要從中高效地提取信息就需要專門的學(xué)習(xí)算法，這就是機器學(xué)習(xí)的作用所在。我們需要機器學(xué)習(xí)算法，避免我們"迷失"在數(shù)據(jù)中，而找到更多的可用信息。在互聯(lián)網(wǎng)金融繁榮發(fā)展的今天，消費信貸業(yè)務(wù)的橫生，央行征信數(shù)據(jù)在時效、全面、層次等方面的不足日益凸顯，深度挖掘分析互聯(lián)網(wǎng)行為數(shù)據(jù)，利用現(xiàn)代機器學(xué)習(xí)技術(shù)，開發(fā)大數(shù)據(jù)信用風(fēng)險評估模型顯得尤為重要。

一、機器學(xué)習(xí)

機器學(xué)習(xí)就是通過各種算法對海量的歷史數(shù)據(jù)進行有人監(jiān)督或無人監(jiān)督的學(xué)習(xí)分析，總結(jié)規(guī)律，并利用分析結(jié)果對未來數(shù)據(jù)進行預(yù)測的一種技術(shù)。機器學(xué)習(xí)具有很好的處理非線性分類問題的能力，基于機器學(xué)習(xí)的風(fēng)險評估模式能有效提高風(fēng)險評估的精確度與適用性。機器學(xué)習(xí)目前有很多的應(yīng)用方向，包括模式識別、圖像識別、智能決策等。機器學(xué)習(xí)是人工智能的一個分支，它可以在不進行詳盡編程的情況下，自行學(xué)習(xí)數(shù)據(jù)中的規(guī)律，以了解數(shù)據(jù)中的本質(zhì)，并對于新的數(shù)據(jù)作出準(zhǔn)確的預(yù)測。該領(lǐng)域的研究還包括自然語言處理、圖像識別等。在各學(xué)科領(lǐng)域都擁有海量數(shù)據(jù)的背景下，機器學(xué)習(xí)算法能夠很好地從數(shù)據(jù)中找到人工無法找到的普遍規(guī)律，其預(yù)測能力一般超出了人類智能運用過往經(jīng)驗來預(yù)測的表現(xiàn)。在企業(yè)管理層面上，目前在智能決策方面的應(yīng)用較多。但個人認為，機器學(xué)習(xí)更適用的領(lǐng)域是風(fēng)險識別。在互聯(lián)網(wǎng)金融、消費金融的蓬勃發(fā)展的當(dāng)下，央行征信在數(shù)據(jù)時效性、全面性和層次性上的短板日益凸顯。深度挖掘互聯(lián)網(wǎng)大數(shù)據(jù)信息是十分重要的。

二、機器學(xué)習(xí)在企業(yè)風(fēng)險評估中的研究

（一）研究意義

信用風(fēng)險評估在近年來已顯示出其經(jīng)濟重要性，不僅因為個人無擔(dān)保貸款的數(shù)量每年都在增加，而且違約風(fēng)險的概率也在快速增長。2008年的次貸危機造成的巨大損失引起了金融專業(yè)人士的國際恐慌。不良貸款率高是一個普遍存在的問題，以中國為例，根據(jù)中國銀行業(yè)監(jiān)督管理委員會（銀監(jiān)會）的報告，截至2018年第四季度末，不良貸款數(shù)量呈上升趨勢，為1.68%。如何準(zhǔn)確有效地評估貸款人的信用風(fēng)險，一直是所有相關(guān)研究人員和從業(yè)人員的一個重要課題.雖然我國的信貸業(yè)務(wù)開展時間不長，信用評級制度存在著諸多不足，譬如部分評估機構(gòu)素質(zhì)偏低、相應(yīng)法律法規(guī)不夠完善，但是這個制度對于信用風(fēng)險控制管理有著十分重大的意義。

（二）實施途徑

1、信用評估的主要關(guān)注點是如何將申請人分為兩類：違約和非違約。然后，評估人員可以決定拒絕或批準(zhǔn)貸款申請。在個人信用風(fēng)險評估領(lǐng)域，從業(yè)人員和研究人員使用申請人的個人社會人口信息，如年齡、性別、工作和收入，以及貸款申請信息，如貸款用途、貸款金額和貸款類型等，以區(qū)分哪些人會拖欠或未能償還貸款。個人社會人口信息和貸款申請信息對評估一個人的信用風(fēng)險狀況非常重要。動態(tài)交易歷史也是人們金融行為的一個非常有意義的指標(biāo)，申請人的交易歷史記錄，可以從申請人的借記卡、信用卡、存折和其他賬戶等獲取，顯示申請人的動態(tài)財務(wù)狀況和個人交易行為。

2、制定措施，運用一些機器學(xué)習(xí)的方法。在發(fā)放最多貸款數(shù)量的銀行中，信用評估可以被分為兩種形式：1.銀行派想要內(nèi)部調(diào)查人員對借款者進行調(diào)查。2.銀行委托一些專業(yè)評估機構(gòu)對借款者進行評估調(diào)查。信用評估的級別我國一般分為A（最優(yōu)）、B（良好）、C（一般）或者A、B、C、D，對應(yīng)的字母越靠前，信用情況越好，反之信用情況則越糟糕。

3、操作流程，首先對與機器學(xué)習(xí)在個人風(fēng)險評估的文獻進行歸納整理，提取思路。然后選取內(nèi)容符合且數(shù)量相對合適的數(shù)據(jù)。后一步選用多項式Logistic回歸、決策樹、神經(jīng)網(wǎng)絡(luò)、隨機森林這四種機器學(xué)習(xí)算法分別構(gòu)建四種算法對應(yīng)的模型。對于四種不同的模型，選用不同的參數(shù)估計法進行參數(shù)估計。最后利用相應(yīng)的軟件，操作得到模型的估計結(jié)果。當(dāng)無法通過設(shè)計消除相關(guān)風(fēng)險時，也可以通過設(shè)置信貸標(biāo)準(zhǔn)的安全操作流程，來約束借方和貸方的行為，提高安全意識，以保證機器學(xué)習(xí)的安全運行。風(fēng)險再評估，對于以上預(yù)采取的措施，分析人員應(yīng)對其效果進行再評估，以判斷相關(guān)風(fēng)險是否已經(jīng)被控制到可接受的范圍內(nèi)，如果沒有，則應(yīng)繼續(xù)采取控制措施，直至風(fēng)險已被降低到可接受范圍內(nèi)。另外，要注意的是以上控制措施應(yīng)按照從上往下的順序優(yōu)先使用，即是只有上面的無法達到效果時，才能使用下面的措施。因為任何措施都有失效的可能，只有從最根本上解決風(fēng)險，才能真正的保證信貸的安全。風(fēng)險分析作為信貸設(shè)計過程中至關(guān)重要的一步，對于提高信貸的安全性具有重大的意義。只有將其作為信用評估中不可或缺的的一部分，才能設(shè)計出相對安全的風(fēng)險評估體系，才能使借方和貸方的權(quán)益都得到保障。

【參考文獻】

[1]張瀟元.基于BP算法的金融信用風(fēng)險仿真研究[J].現(xiàn)代商貿(mào)工業(yè)，2015.

[2]田家俊.基于機器學(xué)習(xí)的人機博弈的研究與實現(xiàn)[D].東華大學(xué)學(xué)報，2007.

[3]符永順.基于機器學(xué)習(xí)的移動應(yīng)用推薦系統(tǒng)的研究與實現(xiàn)[D].通訊世界，2014.

[4]李航.統(tǒng)計學(xué)習(xí)方法[M].北京：清華大學(xué)出版社，2012.

[5]夏潤海，王開顏；機器學(xué)習(xí)與智能決策支持系統(tǒng)[J]；濰坊學(xué)院學(xué)報；2016年02期.

[6]張明玉，倪志偉；基于機器學(xué)習(xí)的智能決策支持系統(tǒng)[J]；淮南師范學(xué)院學(xué)報；2017年03期.