基于大數(shù)據(jù)及機(jī)器學(xué)習(xí)方法的貸款違約風(fēng)險(xiǎn)評(píng)估

程朋媛（天津財(cái)經(jīng)大學(xué)）

■ 前言

Fintech 推動(dòng)了數(shù)字時(shí)代金融經(jīng)濟(jì)的創(chuàng)新和可持續(xù)發(fā)展。它全面涵蓋了營(yíng)銷、風(fēng)險(xiǎn)控制、貸款、投資顧問(wèn)和客戶服務(wù)、移動(dòng)支付的誕生、數(shù)字貸款、在線保險(xiǎn)等重要業(yè)務(wù)流程。對(duì)金融產(chǎn)業(yè)鏈、供應(yīng)鏈和增值鏈產(chǎn)生了深遠(yuǎn)的影響。

一方面，互聯(lián)網(wǎng)金融的發(fā)展，為更多有融資需求的客戶提供了便利快捷的服務(wù)。無(wú)論是傳統(tǒng)的金融機(jī)構(gòu)，還是新興的P2P 行業(yè)，都希望獲得盡可能多的客戶，同時(shí)控制風(fēng)險(xiǎn)，因此研究我國(guó)個(gè)人信用評(píng)估、有效識(shí)別消費(fèi)貸款信用風(fēng)險(xiǎn)顯得尤為重要。另一方面，越來(lái)越多的商業(yè)銀行利用所收集的信息進(jìn)行信用風(fēng)險(xiǎn)評(píng)估，構(gòu)建評(píng)分模型，期望達(dá)到提高運(yùn)營(yíng)效率和降低貸款成本的效果。本文嘗試運(yùn)用不同的機(jī)器學(xué)習(xí)方法，探究機(jī)器學(xué)習(xí)方法在信用風(fēng)險(xiǎn)評(píng)估方面的應(yīng)用，為商業(yè)銀行在控制信用風(fēng)險(xiǎn)方面提供新的可能。

■ 模型理論與方法

（一）機(jī)器學(xué)習(xí)方法

本文主要選取了以下八種機(jī)器學(xué)習(xí)算法：

（1）邏輯回歸算法（Logistic Regression，LR）

（2）隨機(jī)森林Random Forest

（3）梯度提升樹GBDT(Gradient Boosting Decision Tree)

（4）決策樹ID3

（5）KNN 學(xué)習(xí)模型

（6）樸素貝葉斯（Naive Bayes）分類算法

（7）XGBoost

（8）LightGBM

（二）評(píng)估方法

本文用AUC 作為評(píng)價(jià)指標(biāo)，AUC 大小是指ROC 曲線和坐標(biāo)軸圍成的面積，以此來(lái)度量分類模型的好壞程度。ROC（Receiver Operator Characteristic）是一個(gè)二維坐標(biāo)軸中的曲線，橫坐標(biāo)是偽正例率（FPR=FP/(FP+TN)），縱坐標(biāo)是真正例率（TPR=TP/(TP+FN)）。ROC 沒(méi)有具體數(shù)值，所以出現(xiàn)了AUC 值。一般來(lái)說(shuō)，AUC 越大表示預(yù)測(cè)性越好。

■ 數(shù)據(jù)處理與特征工程

（一）數(shù)據(jù)介紹

出于銀行數(shù)據(jù)安全性及可得性考慮，未采用真實(shí)客戶信息，而是以天池貸款數(shù)據(jù)集為基礎(chǔ)，對(duì)算法進(jìn)行實(shí)現(xiàn)。

天池違約數(shù)據(jù)集中總數(shù)據(jù)量100 萬(wàn)行，維度包含客戶id及對(duì)應(yīng)的各項(xiàng)特征，具體有：用戶id、貸款金額、利率、分期付款金額、貸款等級(jí)和子級(jí)、就業(yè)職稱、年限、房屋所有權(quán)狀況、年收入、驗(yàn)證狀態(tài)、貸款發(fā)放的月份、貸款人在貸款申請(qǐng)時(shí)的貸款用途類別、借款人郵政編碼前3 位、地區(qū)編碼、債務(wù)收入比、借款人過(guò)去2 年信用檔案中逾期30 天以上的違約事件數(shù)量、借款人在貸款發(fā)放時(shí)的fico 所屬的上、下限范圍、借款人信用檔案中未結(jié)信用額度的數(shù)量、貶損公共記錄的數(shù)量、公開記錄清除的數(shù)量、信貸周轉(zhuǎn)余額合計(jì)、循環(huán)額度利用率、借款人信用檔案中當(dāng)前的信用額度總數(shù)、貸款的初始列表狀態(tài)、表明貸款是個(gè)人申請(qǐng)還是與兩個(gè)共同借款人的聯(lián)合申請(qǐng)、借款人最早報(bào)告的信用額度開立的月份、借款人提供的貸款名稱、公開可用的策略_代碼=1 新產(chǎn)品不公開可用的策略_代碼=2、匿名特征n0-n14。

（二）數(shù)據(jù)預(yù)處理

1.內(nèi)存優(yōu)化

原始數(shù)據(jù)有100 多萬(wàn)條，后續(xù)進(jìn)行特征工程會(huì)導(dǎo)致更多的內(nèi)存損耗，因此有必要進(jìn)行內(nèi)存優(yōu)化，減少數(shù)據(jù)占用存儲(chǔ)空間大小。

2.缺失值處理

數(shù)值型特征用中位數(shù)填充，對(duì)象型特征用眾數(shù)填充。

3.時(shí)間格式處理

issueDate 日期變量，貸款發(fā)放時(shí)間，轉(zhuǎn)換為離數(shù)據(jù)集最早的發(fā)放時(shí)間的天數(shù)差，貸款人最早報(bào)告的信用額度的時(shí)間轉(zhuǎn)化為距離2021 的年數(shù)。

4.對(duì)象類型特征數(shù)值化

對(duì)象類型特征有“grade”，“subGrade”和“employmentLength”“grade”和“subGrade”都是表示貸款等級(jí)的特征，因此應(yīng)該是有一定的順序的，比如A ＞B，A1 ＞A2 之類，因此可以直接映射成數(shù)值。

（三）特征工程

主要流程為：

1.根據(jù)相關(guān)性特征剔除部分變量，再根據(jù)理論剔除對(duì)貸款違約概率影響微小的用戶特征。

2.為衡量用戶價(jià)值與創(chuàng)利能力，自定義以下可解釋特征。

就業(yè)后的總收入=年收入×就業(yè)年限；每年貸款金額=貸款額/貸款年限

本息和=分期付款金額×貸款年限；負(fù)債收入比=每年貸款額/每年收入

每年剩余收入=年收入-貸款額；剩余信用額度=總額度-周轉(zhuǎn)額度

3.對(duì)匿名的十五個(gè)特征計(jì)算常用統(tǒng)計(jì)量，根據(jù)不同統(tǒng)計(jì)量與違約概率的相關(guān)性選取平均值和方差這兩個(gè)特征變量替代原有的匿名特征。

■ 貸款違約風(fēng)險(xiǎn)評(píng)估模型建立及分析

（一）模型設(shè)計(jì)

本文基于天池貸款數(shù)據(jù)集，將數(shù)據(jù)分為訓(xùn)練集與測(cè)試集，先對(duì)客戶各個(gè)指標(biāo)進(jìn)行特征分析，選出最終使用的用戶特征，再以不同算法對(duì)模型進(jìn)行訓(xùn)練，通過(guò)對(duì)精度進(jìn)行比較，選出預(yù)測(cè)最準(zhǔn)的算法作為我們的后臺(tái)。同時(shí)連接數(shù)據(jù)庫(kù)，搭建面向客戶的前臺(tái)，對(duì)新舊客戶進(jìn)行區(qū)分，老客戶只需輸入id 號(hào)（代表身份證號(hào)，虛擬數(shù)據(jù)集因此用id 顯示）即可得到對(duì)該客戶的信用評(píng)分及其違約的概率。新客戶需要輸入一些基本信息（id、年收入、貸款金額、貸款期限、貸款利率、工齡時(shí)間、是否有房），以此為基礎(chǔ)對(duì)其信用評(píng)分及違約概率進(jìn)行預(yù)測(cè)。

（二）主要建模流程

1.特征工程：對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，刪除冗余特征，通過(guò)特征工程對(duì)特征進(jìn)行篩選，選出較為關(guān)鍵的特征。

2.機(jī)器學(xué)習(xí)算法：采用八種不同的機(jī)器學(xué)習(xí)算法對(duì)模型進(jìn)行訓(xùn)練（LR、Random Forest、GDBT、ID3、KNN、NB、Xgboost、lightgbm）。

3.模型評(píng)估：以AUC 值為評(píng)估標(biāo)準(zhǔn)，選取AUC 值較大的算法，采用網(wǎng)格搜索調(diào)參進(jìn)一步優(yōu)化，得到訓(xùn)練好的模型作為最終預(yù)測(cè)模型。

（三）訓(xùn)練模型結(jié)果

通過(guò)AUC 值對(duì)比，Lightgbm 模型最優(yōu)，通過(guò)網(wǎng)格調(diào)參進(jìn)行進(jìn)一步優(yōu)化，得到最終要選用的模型。

■ 總結(jié)

本文著眼于金融科技對(duì)銀行的運(yùn)用，在金融行業(yè)構(gòu)建風(fēng)險(xiǎn)模式、模擬貸款違約的背景下，嘗試將機(jī)器學(xué)習(xí)應(yīng)用于金融風(fēng)險(xiǎn)控制領(lǐng)域。使用天池貸款的默認(rèn)數(shù)據(jù)進(jìn)行模擬，分別試驗(yàn)了8 種不同的機(jī)器學(xué)習(xí)算法，預(yù)測(cè)了貸款的違約概率和個(gè)人顧客的信用評(píng)價(jià)。結(jié)果，Lightgbm 優(yōu)于其他模型，達(dá)到較高的AUC，在測(cè)試組中表現(xiàn)出更強(qiáng)的穩(wěn)定性。展望未來(lái)，金融科技發(fā)展有以下趨勢(shì)：隱私計(jì)算關(guān)注度快速提升；妥善解決數(shù)據(jù)安全和數(shù)據(jù)質(zhì)量通點(diǎn)成為金融科技高質(zhì)量發(fā)展的重要前提；深耕技術(shù)是企業(yè)發(fā)展策略的中心，加大研發(fā)和人員投入是關(guān)鍵著力點(diǎn)等。

對(duì)銀行應(yīng)用金融科技有以下幾點(diǎn)建議：

（1）堅(jiān)持強(qiáng)化金融科技創(chuàng)新應(yīng)用的惠民利企導(dǎo)向。

（2）健全開放、共贏、平衡的金融科技生態(tài)體系。積極支持通過(guò)聯(lián)合實(shí)驗(yàn)室等形式，加強(qiáng)關(guān)鍵共性技術(shù)研發(fā)和金融應(yīng)用項(xiàng)目攻關(guān)；支持政產(chǎn)學(xué)研多方合作參與甚至主導(dǎo)有關(guān)國(guó)際標(biāo)準(zhǔn)規(guī)則研制；推動(dòng)大型機(jī)構(gòu)向中小機(jī)構(gòu)輸出風(fēng)控、合規(guī)、運(yùn)營(yíng)等數(shù)字化工具；支持中小機(jī)構(gòu)依托行業(yè)協(xié)會(huì)、產(chǎn)業(yè)聯(lián)盟等平臺(tái)，適度降低數(shù)字化轉(zhuǎn)型成本。

（3）繼續(xù)發(fā)揮引導(dǎo)行業(yè)規(guī)范發(fā)展的作用。建議進(jìn)一步發(fā)揮行業(yè)自律在支撐配合行政監(jiān)管、規(guī)范從業(yè)機(jī)構(gòu)行為等方面的積極作用，持續(xù)加強(qiáng)行業(yè)統(tǒng)計(jì)和風(fēng)險(xiǎn)監(jiān)測(cè)體系建設(shè)，精準(zhǔn)開展金融消費(fèi)者保護(hù)和政策宣貫，積極推進(jìn)金融科技國(guó)際雙向交流合作。