基于隨機(jī)森林的銀行貸款數(shù)據(jù)分析

梁佩

摘 要：隨著科學(xué)技術(shù)的快速發(fā)展，伴隨著銀行貸款的相關(guān)活動(dòng)越來越頻繁，但是貸款的拖欠及壞賬的產(chǎn)生等現(xiàn)象出現(xiàn)，銀行面臨的貸款風(fēng)險(xiǎn)越來越大，而這時(shí)信用也越發(fā)顯得重要。所以本文基于隨機(jī)森林的方法將一批信貸數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，將 1000 個(gè)觀測(cè)值分成兩類，畫出各個(gè)變量的重要性圖，根據(jù)信用的好壞決定是否貸款，最后對(duì)這批數(shù)據(jù)做出總結(jié)與預(yù)測(cè)。

關(guān)鍵詞：銀行貸款;信用風(fēng)險(xiǎn);數(shù)據(jù)分析;分類;總結(jié)預(yù)測(cè)

中圖分類號(hào)：F23 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2020.33.053

0 引言

在經(jīng)濟(jì)的快速發(fā)展的今天，人們的消費(fèi)觀念已經(jīng)從以前的“有就用，沒有就不用”轉(zhuǎn)變?yōu)椤疤崆跋M(fèi)”，因此很多人會(huì)選擇銀行貸款解決自己在創(chuàng)業(yè)、購房中遇到的經(jīng)濟(jì)問題，這樣會(huì)暫時(shí)緩解他們的經(jīng)濟(jì)壓力，同時(shí)銀行會(huì)承擔(dān)銀行貸款所帶來相應(yīng)風(fēng)險(xiǎn)，其中主要的就是不良貸款，倘若不良貸款率過高，會(huì)對(duì)銀行的正常運(yùn)營有一定的影響，因此對(duì)客戶信息進(jìn)行判斷是有必要，而且影響銀行貸款的因素有很多種，例如，客戶財(cái)產(chǎn)狀況、貸款目的、住房情況、工作情況、信貸金額等。因此明白銀行和客戶之間存在一個(gè)問題：銀行針對(duì)客戶的情況進(jìn)行判斷客戶是否能夠成功貸款，判斷的結(jié)果會(huì)有一定的誤差，同時(shí)客戶對(duì)于自己是否能夠貸款存在疑問。因此為了解決這一情況，就需要對(duì)銀行的貸款數(shù)據(jù)進(jìn)行分析預(yù)測(cè)，在知道真實(shí)數(shù)據(jù)的情況下，利用隨機(jī)森林模型對(duì)銀行貸款數(shù)據(jù)進(jìn)行分析預(yù)測(cè)，從而得到較好的預(yù)測(cè)模型。

1 基于隨機(jī)森林的銀行貸款數(shù)據(jù)模型構(gòu)建

1.1 隨機(jī)森林基本原理

隨機(jī)森林是根據(jù)bagging算法進(jìn)行改變轉(zhuǎn)化而來的，是一個(gè)樹狀的分類器{h（x，βk，k=1，…）}，它是以自主法重采樣為主，通過有放回地重復(fù)隨機(jī)抽樣組成一個(gè)有N個(gè)樣本的新樣本訓(xùn)練集合，再根據(jù)新的樣本集構(gòu)建出k個(gè)決策樹，最終形成一個(gè)隨機(jī)森林，最后由決策樹投票的多少?zèng)Q定測(cè)試數(shù)據(jù)的分類結(jié)果，當(dāng)有一個(gè)新的樣本數(shù)據(jù)需要預(yù)測(cè)時(shí)，樣本數(shù)據(jù)則需要經(jīng)過隨機(jī)森林中的每一棵決策樹，最后在統(tǒng)計(jì)出的分類結(jié)果推斷出可能性最大的分類。

1.2 隨機(jī)森林模型的實(shí)現(xiàn)

（1）觀察數(shù)據(jù)，選擇并使用的時(shí)是來自UCI數(shù)據(jù)庫中的關(guān)于是否貸款的數(shù)據(jù)集進(jìn)行隨機(jī)森林算法分析，該數(shù)據(jù)集時(shí)關(guān)于銀行貸款中的各個(gè)變量對(duì)客戶貸款的影響情況，首先對(duì)本數(shù)據(jù)進(jìn)行預(yù)處理。

（2）利用R軟件對(duì)數(shù)據(jù)集中的信息進(jìn)行簡要的概括，發(fā)現(xiàn)其中的有些變量并不是數(shù)據(jù)變量，并且最后一項(xiàng)是現(xiàn)實(shí)生活中的真實(shí)數(shù)據(jù)。在這個(gè)數(shù)據(jù)集中包含了1000個(gè)數(shù)據(jù)以及21個(gè)樣本特征，為了更加了解V21變量，利用軟件對(duì)V21進(jìn)行分析，V21是真實(shí)結(jié)果，因此在本論文中它是作為結(jié)果變量，因此本文決定將樣本中的“1”定義為“good”，“2”定義為“bad”，及對(duì)應(yīng)客戶是否貸款。

（3）建立模型，利用R軟件對(duì)數(shù)據(jù)集進(jìn)行建模，建立模型的過程中可以利用既定公式構(gòu)建模型，也可以根據(jù)數(shù)據(jù)構(gòu)建模型，而本論文所所選用的方式是第一種，為了更好的體現(xiàn)出模型的預(yù)測(cè)精度和泛化能力，本論文將數(shù)據(jù)集中的700（約70%）的數(shù)據(jù)作為訓(xùn)練集，300（約30%）的數(shù)據(jù)作為測(cè)試集，并且利用測(cè)試集對(duì)模型的預(yù)測(cè)精度和泛化能力進(jìn)行一個(gè)了解。隨機(jī)森林模型的影響因素主要有兩點(diǎn)：樹的節(jié)點(diǎn)看和決策樹m的數(shù)量，在本次建模中將其設(shè)為m=500，k=4，以這些條件構(gòu)建隨機(jī)森林模型1。

在表1所示，我們可以得到該模型的總的袋外誤分率為27.5%，并且由表顯示模型將類別bad中120個(gè)判給good，預(yù)測(cè)誤判率是62.83%，將類別good判給bad的由45個(gè)，預(yù)測(cè)誤判率是11.00%。

1.3 隨機(jī)森林結(jié)果分析及其模型的優(yōu)化

為了將模型的預(yù)測(cè)誤判率降低，得到一個(gè)較好的模型，我們需要對(duì)模型1進(jìn)行優(yōu)化在上述過程中構(gòu)建的隨機(jī)森林模型并不是最優(yōu)模型，因此我們需要對(duì)隨機(jī)森林模型進(jìn)行優(yōu)化。有兩個(gè)因素決定隨機(jī)森林模型的預(yù)測(cè)能力：

（1）第一個(gè)是決策樹的節(jié)點(diǎn)，利用軟件計(jì)算出在那個(gè)節(jié)點(diǎn)隨機(jī)森林的誤差率最小，即可得到最優(yōu)節(jié)點(diǎn)，在R軟件中，我們利用rate函數(shù)，展示出所有模型誤判率的均值，通過圖1可知隨著樹的節(jié)點(diǎn)的改變，在模型1的輸出結(jié)果中可以得到該函數(shù)的默認(rèn)節(jié)點(diǎn)的變量是4，并不是最優(yōu)參數(shù)，但是由本數(shù)據(jù)構(gòu)建的模型誤判率均值最低的是在決策樹的節(jié)點(diǎn)所選變量數(shù)為16時(shí)，因此在模型的優(yōu)化過程中，模型的最優(yōu)節(jié)點(diǎn)是16。

（2）通過上述實(shí)驗(yàn)，得到最優(yōu)數(shù)節(jié)點(diǎn)k=16，最優(yōu)決策樹數(shù)量m=140時(shí)，得到隨機(jī)森林模型2。

通過對(duì)模型的優(yōu)化，發(fā)現(xiàn)隨機(jī)森林模型2的預(yù)測(cè)誤差比模型1 的要低，由表3顯示模型將類別bad中149個(gè)判給good，預(yù)測(cè)誤判率是49.67%，將類別good判給bad的由74個(gè)，預(yù)測(cè)誤判率是10.57%都比模型1的要低。

1.4 變量重要性對(duì)比

在圖1中列出了所有的自變量在兩科不同算法下，得出相應(yīng)自變量的重要值，在圖中自變量對(duì)應(yīng)的指標(biāo)值說明該自變量對(duì)模型的判別影響較大，在圖中的將平均精確率減少值和平均不純度減少值進(jìn)行降序排列，MDA值越大就說明該自變量對(duì)分類的準(zhǔn)確性影響越大，該自變量也就更加重要，與此同時(shí)，當(dāng)自變量的MDI值越大，表明該自變量對(duì)模型的分類結(jié)果影響也就越大，因此這樣可以作為評(píng)價(jià)自變量的一種方式。

當(dāng)我們利用R對(duì)貸款數(shù)據(jù)中的20個(gè)自變量進(jìn)行MDA值和MDI值進(jìn)行從小到大的排序，由圖我們可以看出在這20個(gè)自變量中最影響客戶是否能夠成功貸款的因素有V1、V5以及V3，即為現(xiàn)有活期存款、信用記錄和信貸金額，因此我們可以知道借款人的信用記錄已然成為金融機(jī)構(gòu)值得重視的一點(diǎn)，倘若借款人的信用記錄不好的情況下，銀行產(chǎn)生不良貸款的幾率也會(huì)越大。相應(yīng)的銀行所承擔(dān)的風(fēng)險(xiǎn)也會(huì)越大。因此當(dāng)銀行是否給予客戶貸款的時(shí)候，可以查詢貸款人的信用記錄進(jìn)行判斷，并且信貸金額與活期存款也是需要考慮的問題，以此降低銀行的信用貸款不良率。

2 總結(jié)與展望

本文利用隨機(jī)森林算法針對(duì)銀行貸款數(shù)據(jù)中20個(gè)變量構(gòu)建隨機(jī)森林模型，根據(jù)已有的條件對(duì)客戶是否能夠成功貸款做出預(yù)測(cè)，并與真實(shí)值做對(duì)比，得到一個(gè)預(yù)測(cè)精度高、泛化能力強(qiáng)的模型，對(duì)銀行在面對(duì)客戶貸款的時(shí)候，可以根據(jù)這一個(gè)模型做出一定的參考，以此降低不良貸款的幾率，降低銀行風(fēng)險(xiǎn)。

對(duì)于銀行決策者而言，在了解個(gè)人/企業(yè)的基本信息之后，再推斷是否向客戶提供貸款，在這一過程中銀行的目的是盡可能的降低不良貸款率，從而保障銀行自身的發(fā)展，本文通過對(duì)國外銀行貸款數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)在銀行客戶信息中的現(xiàn)有活期存款、信用記錄和信貸金額對(duì)客戶的影響較大，因此在銀行對(duì)客戶進(jìn)行推斷的時(shí)候，可以主要對(duì)這幾個(gè)方面進(jìn)行推斷，例如信用記錄，當(dāng)一名客戶信用記錄良好的情況下將貸款撥給他，他按時(shí)還款的幾率比較大，從而不會(huì)影響銀行的正常操作，并且有利于銀行的發(fā)展。

對(duì)于個(gè)人/企業(yè)而言緩解了一定時(shí)期內(nèi)的經(jīng)濟(jì)壓力，有利于自身的發(fā)展/壯大，通過銀行數(shù)據(jù)的研究分析發(fā)現(xiàn)，客戶需要關(guān)注自己的信用記錄，一個(gè)人的信用記錄是否良好，是銀行貸款中最基本的一項(xiàng)，因此個(gè)人/企業(yè)需要保證自己的信用記錄良好，倘若之后需要貸款，信用良好能夠成為自己的一個(gè)加分項(xiàng)。

參考文獻(xiàn)

[1]王春峰，萬海暉.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究[J].管理科學(xué)報(bào)，1998，1（1）：68-72.

[2]章彰商.業(yè)銀行信用風(fēng)險(xiǎn)管理[M].北京：中國人民大學(xué)出版社，2002.

[3]李志輝.現(xiàn)代信用風(fēng)險(xiǎn)管理量化度與管理研究[M].北京：中國金融出版社，2001.

[4]李樂.我國商業(yè)銀行信用風(fēng)險(xiǎn)管理的現(xiàn)狀、問題及原因分析[J].金融經(jīng)濟(jì)，2008，（5）.

[5]趙德川.論商業(yè)銀行風(fēng)險(xiǎn)管理和政策——信用風(fēng)險(xiǎn)[J].商情，2013，（46）：32-32.

[6]陸正飛，楊德明.商業(yè)信用：替代性融資，還是買房市場[J].管理世界，2011（04）.

[7]商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)管理研究[D].長春：吉林財(cái)經(jīng)大學(xué)，2014.

[8]雷娜.企業(yè)利用商業(yè)信用籌資的利弊分析[J]. 財(cái)會(huì)研究，2015，（08）.

[9]張余琴，杜寬旗.企業(yè)銀行貸款與貿(mào)易信貸選擇實(shí)證研究——以江蘇省企業(yè)為例[J].金融經(jīng)濟(jì)，2013，（20）.