信用卡風險分析.doc

信用卡風險分析指導(dǎo)老師： 黃三益老師組員：e123502191 張智欽 n954020003 于亨宗 m965040023 鍾友華信用卡風險分析預(yù)測1. introduction 1.1 motivation and background自1970年代以來，各國相繼採用各項金融改革措施，而臺灣也於民國79年開放新銀行的設(shè)立，使得金融業(yè)長期寡占市場的局面，有了重大的變革。在金融革新的部份，政府逐漸解除各項管制，使得保險、其他非銀行業(yè)者，相繼投資或跨足經(jīng)營金融事業(yè)，引進無人銀行、電子銀行，整合開發(fā)金融的衍生性商品、消費金融商品，其中在消費金融商品為最活絡(luò)的業(yè)務(wù)，當中又以信用卡的推廣最為成功。在蓬勃發(fā)展且競爭激烈的信用卡市場中，各家銀行為了達到其經(jīng)濟規(guī)模，使用各種行銷策略，以擴大市場佔有率，如此的惡性競爭下，容易形成一人多卡，個人信用過度膨脹，有鑑於銀行發(fā)卡浮濫，金管會銀行局因此訂出相關(guān)監(jiān)理條例，以嚴格控制資產(chǎn)品質(zhì)，若逾放比、呆帳過高，銀行局甚至會命令銀行停止發(fā)卡業(yè)務(wù)，而發(fā)卡銀行隨著辦卡人持續(xù)增加，總難以避免呆帳也節(jié)節(jié)上升的問題，發(fā)卡銀行獲利空間逐漸變小，跟雙卡風暴，以及呆帳比越來越高，這些因素的多重影響的情況下，相繼訂出緊縮的發(fā)卡政策，而在金管會持續(xù)督促各發(fā)卡銀行注意其資產(chǎn)品質(zhì)，並加強申報資料之正確性及時效性，以保障消費者權(quán)益及健全市場之發(fā)展，種種的因素之下，導(dǎo)致民國九十三年之後的發(fā)卡數(shù)量極遽的下降，相關(guān)統(tǒng)計如下頁圖1。圖1：臺灣歷年發(fā)卡數(shù)與流動卡數(shù)在歷經(jīng)亞洲金融風暴後，國內(nèi)銀行逾放比與呆帳率逐年升高，而近幾年，政府即將要把銀行的逾放比定義與國際接軌，屆時銀行勢必面臨更嚴重的考驗。整體的經(jīng)營環(huán)境不佳，日愈嚴重的逾放比，發(fā)卡業(yè)者亦意識到信用卡業(yè)務(wù)的成敗，關(guān)鍵乃在於一開始便做有效的風險控管，防違約於未然，如能預(yù)先界定出會造成違約的因子，預(yù)先排除信用不佳的申請人，大幅來改善信用卡的管理風險，一方面降低違約率，一方面留住好客戶；再者，加強核卡後的信用風險控管，對於交易異常的客戶或持卡人給予暫停?？ā娭仆？ǖ确绞健：丝ㄡ岬娘L險控管，充其量也只能降低已發(fā)生的損害，卻無法避免持卡人違約對發(fā)卡機構(gòu)所造成的損害，因此，在事先的預(yù)防重於事後的補救的前提下，發(fā)卡機構(gòu)在發(fā)卡前的審核及對新申請者的信用評比，將是值得研究探討的課題。1.2.determination of data set透過先前的一些文獻回顧發(fā)現(xiàn)到信用卡風險評估中，所需的客戶資料屬性多為個人財務(wù)狀況資料（如：有無貸款、信用卡持有數(shù)、月收入等）、以及基本資料（如：婚姻、年齡、有無子女等），另外我們還關(guān)心客戶所屬風險的狀況，因此我們?nèi)缫獜哪承庞每ü舅〉玫目蛻糍Y料裡，就必須含有以上三類的資料。2. data mining procedure在the data mining techniques中，berry和linoff建議資料採礦的技術(shù)應(yīng)符合10項步驟，我們在報告中將依循這時個步驟，並敘述每個步驟內(nèi)完整的內(nèi)容，以下是我們10個步驟的過程。step one: translate the business problem into a data mining problem發(fā)卡銀行中總是累績龐大的客戶歷史資料，而發(fā)卡銀行無法用一般統(tǒng)計模式從某些屬性欄位來評判甚至預(yù)測一個客戶的行為，例如會不會使用循環(huán)利息、該客戶的風險高不高、會不會違約等等，因此透過資料採礦技術(shù)（例如：決策樹、類神經(jīng)網(wǎng)路、貝氏機率分類）和統(tǒng)計方法（例如：羅吉斯回歸），建構(gòu)出一套完全符合自身銀行評判客戶特性與其信用卡風險模型之流程。本研究要透過現(xiàn)有資料來建立評判客戶風險的的模型，利用不同的採礦技術(shù)，求得一個最佳的評判模型。step two: select appropriate data本研究以國內(nèi)某信用卡發(fā)卡銀行為研究對象，資料來源取自銀行信用卡部門的資料庫，資料檔包括有4117筆信用評等以及個人財務(wù)狀況資料，也包含基本資料資訊，但由於必須顧及保密性，故這些原始資料皆已先做過相關(guān)的整理。step three: get to know the data本研究將原始資料變數(shù)名稱及類型整理成以下的表格：表1. 原始資料變數(shù)名稱與類型類型變數(shù)名稱資料類型基本資料id連續(xù)型年齡連續(xù)型收入連續(xù)型性別類別型（m/f）婚姻狀況類別型（single/married/divsepwid）小孩數(shù)連續(xù)型財務(wù)狀況卡數(shù)連續(xù)型付款方式類別型（weekly/monthly）有無抵押類別型（y/n）店家的卡連續(xù)型抵押方式連續(xù)型結(jié)果風險good risk（信用好風險低的客戶）bad risk（風險高且會造成公司損失的客戶）bad profit（風險高但有利可圖的客戶）step four: create a model set我們將所收集而來的4117筆原始資料，將資料以隨機的方式抽成約6：4的筆數(shù)，把前者當做訓練資料集來建立模型（有2455筆），而後者當做測試資料集（有1662筆），用此來選擇模型以及測量模型在預(yù)測未知資料的能力，此依數(shù)據(jù)是為了避免產(chǎn)生過度學習（overfitting）的狀況，因為用訓練資料集製作模型時，模型往往會記憶一些不是可以放諸四海皆準的規(guī)則，而只是一些發(fā)生在訓練資料內(nèi)部的巧合而被當成規(guī)則，因此模型預(yù)測的準確性會被假性高估。step five: fix problems with the data在真實世界的資料中，雖然多數(shù)的資料被詳實的記錄下來，但仍有可能有許多偶發(fā)事件造成紀錄的不完整，進而產(chǎn)生了所謂的遺漏值（missing value），遺漏值最直接的影響，就是會造成分析上的不確定性，本研究在處理遺漏值，初步採用的方式是透過統(tǒng)計的方式，將4117筆原始資料透過敘述統(tǒng)計來計算每個欄位是否有遺漏、極端值、以及超過某一欄位屬性定義範圍的值，若有缺漏則再採取更進一步的處理方式，下表為各筆資料品質(zhì)圖2. 各屬性資料品質(zhì)step six: transform data to bring information to the surface這個步驟中，是否有哪些欄位可以合併、刪除、甚至衍生出新的欄位選項來做分析之用，例如可以利用信用卡額度、房貸與自己的月收入相除而得到新的欄位”個人負債比”，如此便可提供另一項新的資訊來分析，這次所使用的資料中，並沒有適當?shù)臋谖豢梢杂枰院蟻?，因此本研究採取尋找資料中與風險有所關(guān)聯(lián)，以及用矩陣的方式表示出每個欄位兩兩間的相關(guān)，若欄位間相關(guān)過高，就要考慮是否會有共線性的問題，若太低，則還須觀察該欄位與風險的關(guān)聯(lián)多寡來決定是否要捨棄某一欄位。圖3. 各變數(shù)間的相關(guān)性step7. build models本研究採用分析方法為決策樹、類神經(jīng)網(wǎng)路、及羅吉斯回歸，另外加入另一筆全無重複值的測試資料集作為驗證模型好壞，並檢視這三類分析法的正確率如何。決策樹是功能強大且相當受歡迎的分和預(yù)測工具。這項以樹圖為基礎(chǔ)的方法，其吸引人的地方在於決策樹具有規(guī)則，此外，規(guī)則可以文字表達，讓人瞭解，經(jīng)網(wǎng)（neural network），在1980 代初期時就已經(jīng)被應(yīng)用在商業(yè)方面的問題上，是指模仿生物經(jīng)網(wǎng)的資訊處系統(tǒng)，為一平分散式處計算模式，其定義為：經(jīng)網(wǎng)是一種計算系統(tǒng)，包含軟體和硬體，它使用大簡單的相人工經(jīng)元（neuron）模仿生物經(jīng)網(wǎng)的能，羅吉斯迴歸，也稱定性變數(shù)迴歸，是根據(jù)輸入欄位值對記錄進行分類的統(tǒng)計方法。它類似於線性迴歸，目標欄位使用字元型欄位而不是數(shù)值型欄位。羅吉斯迴歸建立一組方程，把輸入欄位值與輸出欄位每一類的機率聯(lián)繫起來。一旦生成模型，便可用於估計新的資料的機率。對每一紀錄，計算其從屬於每種可能輸出類的機率。機率最大的目標類被指定為該紀錄的預(yù)測輸出值。圖4. 使用決策樹c5.0圖5. 使用neural network圖6. 使用logisticstep eight. assess models評估模型部份，我們將1662筆的測試資料集放入原先所建立的決策樹模型中，如下圖，圖7. c5.0評估模型此外，我們將現(xiàn)有風險與決策樹模型所預(yù)測的風險加以比較表2. 訓練資料集模型的風險預(yù)測風險預(yù)測值bad lossbad profitgood risk實際值bad losscount31117474row %55.64 31.13 13.24 total %12.67 7.09 3.01 bad profitcount84131774row %5.69 89.29 5.02 total %3.42 53.65 3.01 good riskcount43129249row %10.21 30.64 59.14 total %1.75 5.25 10.14 表3. 測試資料集代入原先模型的風險預(yù)測風險預(yù)測值bad lossbad profitgood risk實際值bad losscount18113135row %52.1637.7510.09total %10.897.882.11bad profitcount7582631row %8.0588.633.33total %4.5149.71.87good riskcount40146197row %10.4438.1251.44total %2.418.7811.85表4. 比較原有風險與預(yù)測風險之模型的正確率為訓練資料集模型correct1,87776.46%wrong57823.54% total2,455測試資料集模型correct1,20472.44%wrong45827.56%total1,662由上述所列表我們可知，雖然模型預(yù)測風險的正確率由76.46%下降到72.44%，但我們較為關(guān)心的部份，原先是bad loss而被模型預(yù)測成good risk的比率，由3.01降成2.11，這表示本研究所建的決策樹模型有一定程度的預(yù)測能力。接著我們繼續(xù)以相同模式來看由類神經(jīng)網(wǎng)路所建出來的模型，然後以測試資料集挫為模型測試資料，如下圖圖8. 類神經(jīng)網(wǎng)路評估模型我們將現(xiàn)有風險與類神經(jīng)網(wǎng)路模型所預(yù)測的風險加以比較：表5. 用訓練資料集所建類神經(jīng)網(wǎng)路模型的風險預(yù)測風險預(yù)測值bad lossbad profitgood risk實際值bad losscount19127692row %34.17 49.37 16.46 total %7.78 11.24 3.75 bad profitcount251334116row %1.69 90.44 7.86 total %1.02 54.34 4.73 good riskcount6153262row %1.43 36.34 62.23 total %0.24 6.23 10.67 表6. 用測試資料集代入類神經(jīng)網(wǎng)路模型的風險預(yù)測風險預(yù)測值bad lossbad profitgood risk實際值bad losscount14717426row %42.36 50.14 7.49 total %8.84 10.47 1.56 bad profitcount1490315row %1.50 96.89 1.61 total %0.84 54.33 0.90 good riskcount10109264row %2.61 28.46 68.93 total %0.60 6.56 15.88 表7. 比較原有風險與類神經(jīng)網(wǎng)路預(yù)測風險之模型的正確率訓練資料集模型correct1,78772.79%wrong66827.21%total2,455測試資料集模型correct1,31479.06%wrong34820.94%total1,662由上述所列表我們可知，雖然模型預(yù)測風險的正確率由72.79%上升到79.06%，我們較為關(guān)心的部份，原先是bad loss而被模型預(yù)測成good risk的比率，由3.75降成1.56，這表示本研究所建的類神經(jīng)網(wǎng)路模型有一定程度的預(yù)測能力，而且整體模型表現(xiàn)比決策樹模型還來的佳。最後，我們用羅吉斯回歸來建立模型，再以測試資料集代入所建好的模型之中，如下圖所示圖9. logistic評估模型我們將現(xiàn)有風險與類神經(jīng)網(wǎng)路模型所預(yù)測的風險加以比較：表8. 用訓練資料集所建羅吉斯回歸模型的風險預(yù)測風險預(yù)測值bad lossbad profitgood risk實際值bad losscount23325472row %41.68 45.44 12.88 total %9.49 10.35 2.93 bad profitcount91130579row %6.17 88.47 5.36 total %3.71 53.16 3.22 good riskcount37182202row %8.79 43.23 47.98 total %1.51 7.41 8.23 表9. 用測試資料集代入羅吉斯回歸模型的風險預(yù)測風險預(yù)測值bad lossbad profitgood risk實際值bad losscount17715020row %51.01 43.23 5.76 total %10.65 9.03 1.20 bad profitcount578678row %6.12 93.03 0.86 total %3.43 52.17 0.48 good riskcount32166185row %8.36 43.34 48.30 total %1.93 9.99 11.13 表10. 比較原有風險與羅吉斯回歸預(yù)測風險之模型的正確率為訓練資料集模型correct1,74070.88%wrong71529.12%total2,455測試資料集模型correct1,22973.95%wrong43326.05%total1,662由上述所列表我們可知，雖然模型預(yù)測風險的正確率由70.88%上升到73.95%，我們較為關(guān)心的部份，原先是bad loss而被模型預(yù)測成good risk的比率，由2.93降成1.2，這表示本研究所建的羅吉斯回歸模型有一定程度的預(yù)測能力，較類神經(jīng)模型為差，但比決策樹模型略好。step nine. deploy models9.1決策樹模型利用套裝軟體建模所得的結(jié)果，由下圖可得知具有顯著性影響的欄位為店家的卡、婚姻狀況、收入、卡數(shù)，代入測試資料集後，預(yù)測風險正確的值有1204筆，正確率有72.44。圖10. 決策樹模型9.2類神經(jīng)模型表11. 顯著性表抵押方式0.333收入0.209婚姻狀況0.207年齡0.187卡數(shù)0.158店家的卡0.156有無抵押0.05付款方式0.048小孩數(shù)0.046由上表可得知輸入的9個神經(jīng)元中，以抵押方式、收入、婚姻狀況這三個輸入變數(shù)，對於準確度有比較高的顯著性，代入測試集所得預(yù)測正確的共有1314筆，正確率達79.06。9.3羅吉斯回歸模型 equation for good risk0.01426 * 年齡 + 0.00001368 * 收入 0.324 * 小孩數(shù) 0.4787 * 卡數(shù) 0.3575 * 店家的卡 0.1567 * 性別=f + 5.251 * 婚姻狀況=divsepwid 0.0184 * 婚姻狀況=married + 0.8561 * 付款方式=monthly 0.3472 * 有無抵押=n + 1.572 * 抵押方式=0 + 1.314 * 抵押方式=1 0.01788 * 抵押方式=2 0.1962 equation for bad profit0.06256 * 年齡 0.00002478 * 收入 0.1728 * 小孩數(shù) 0.416 * 卡數(shù) 0.4008 * 店家的卡 + 0.1433 * 性別=f + 2.158 * 婚姻狀況=divsepwid 0.348 * 婚姻狀況=married 0.01668 * 付款方式=monthly + 0.0883 * 有無抵押=n 1.382 * 抵押方式=0 + 0.4091 * 抵押方式=1 + 0.2016 * 抵押方式=2 + 5.602以上的敘述為羅吉斯回歸的回歸方程式，由該方程式所得的模型預(yù)測力，精油1662筆測試資料所得共有1229筆預(yù)測正確，正確率達73.95。step ten. assess results本研究所建的三個模型中，各有優(yōu)缺點，在決策樹的部份，有明確的節(jié)點，可以清楚明白的分類過程，但是在代入測試資料後，模型預(yù)測力有降下來的現(xiàn)象；在類神經(jīng)模型的部份，預(yù)測力為三個模型