馮寧

摘?要：隨著全球經(jīng)濟的快速發(fā)展以及資本市場的壟斷，無論是企業(yè)的發(fā)展還是人們超前消費觀念的提前到來，貸款已成為企業(yè)和個人解決經(jīng)濟問題的一種重要手段。對于銀行業(yè)或者小貸機構(gòu)而言，信用卡以及信貸服務(wù)是高風(fēng)險和高收益的業(yè)務(wù)，如何通過用戶的海量數(shù)據(jù)挖掘出用戶潛在的信息即信用評分，并參與審批業(yè)務(wù)的決策從而提高了風(fēng)險防控措施，該過程不僅提高了業(yè)務(wù)的審批效率而且給予了關(guān)鍵的決策，同時風(fēng)險防控如果沒有監(jiān)測到位，對于銀行業(yè)來說會造成不可估量的損失，因此這部分的工作是至關(guān)重要的。通過某銀行脫敏的信用卡客戶數(shù)據(jù)，通過建立現(xiàn)階段比較熱門的機器學(xué)習(xí)Logistic模型來研究客戶信用的關(guān)鍵指標對模型的作用，從而對信用卡用戶的違約情況進行提前預(yù)測分析。個人貸款違約預(yù)測模型的建立以及后期的關(guān)鍵指標的探索，在銀行業(yè)或者小貸機構(gòu)的貸前審批以及貸中的管理決策中都有很好的指導(dǎo)作用，并且具有很強的實踐性和意義。

關(guān)鍵詞：python;Logistic模型;違約

中圖分類號：D9?????文獻標識碼：A??????doi：10.19311/j.cnki.1672-3198.2019.17.080

1?引言

本文建立個人貸款違約預(yù)測模型的目的是利用銀行脫敏的數(shù)據(jù)進行描述性統(tǒng)計分析，來提前預(yù)測客戶在貸款期間的違約概率，從而幫助銀行的業(yè)務(wù)人員明確客戶的更多有意義的指標變量，及早發(fā)現(xiàn)貸款的潛在損失。本章主要對項目的背景與選題來源，國內(nèi)外發(fā)展狀況，以及研究意義和目的，相關(guān)研究成果進行大致說明，并討論了創(chuàng)新點。

1.1?項目背景與選題來源

目前，在經(jīng)濟快速發(fā)展的時代，貸款的風(fēng)險審批是商業(yè)銀行面臨的首要問題。貸款中風(fēng)險的產(chǎn)生，不僅在貸款審查階段出現(xiàn)，而且貫穿整個貸款流程中：在實際貸款審批流程中，大多數(shù)的審貸過程并非十分嚴謹和周全，因此不良貸款的概率會日漸飆升，在這樣的背景下，建立一個科學(xué)有效、有解釋力度的模型對貸款客戶的信用進行評估與判定，從而將違約的風(fēng)險降到最低并將利潤最大化是刻不容緩的事情。對信用風(fēng)險的識別與防控是商業(yè)銀行風(fēng)險管理研究的重要內(nèi)容，是金融機構(gòu)不可回避的核心問題，也是各國政府與金融機構(gòu)風(fēng)險管理的焦點。因此，為了更好解決風(fēng)險管理中的問題，本文涉及的數(shù)據(jù)包含銀行客戶的交易數(shù)據(jù)，而且涉及大部分貸款信息與眾多信用卡的數(shù)據(jù)，通過分析這些數(shù)據(jù)可以獲取與銀行服務(wù)相關(guān)的業(yè)務(wù)知識，例如，提供增值服務(wù)的銀行客戶經(jīng)理，希望明確客戶有更多的業(yè)務(wù)需求，而風(fēng)險管理的業(yè)務(wù)人員可以及早發(fā)現(xiàn)貸款的潛在損失。

1.2?國內(nèi)外發(fā)展現(xiàn)狀

21世紀大數(shù)據(jù)信息和互聯(lián)網(wǎng)金融得到了前所未有的巨大發(fā)展，個人消費經(jīng)濟市場空間也得到了拓展，與此同時，人們提前消費經(jīng)濟觀念的轉(zhuǎn)變導(dǎo)致全球個人信貸規(guī)模急劇擴大，我國的一些大城市居民債務(wù)比率已經(jīng)達到甚至超過美國等發(fā)達國家的平均水平，為有效應(yīng)對這一趨勢的發(fā)展，我國已經(jīng)采取措施對商業(yè)銀行加強信用風(fēng)險管理，并改進管理技術(shù)。截至2006年底我國已經(jīng)全面實現(xiàn)了金融業(yè)對外開放，面對全球的激烈競爭，我國若想要保住全球的經(jīng)濟地位并使之發(fā)揚壯大，需要自身依靠內(nèi)部評級體系的建設(shè)和發(fā)展。然而近幾年，我國涌現(xiàn)出了很多研究數(shù)據(jù)科學(xué)的高端人才，對于模型的建立和探索已經(jīng)在國內(nèi)外取得了不小的成就，在未來的數(shù)據(jù)科學(xué)以及商業(yè)應(yīng)用中，預(yù)測模型也會應(yīng)用到我們生活中的方方面面，并且會得到空前的發(fā)展和巨大的進步。

1.3?本論文的創(chuàng)新點

相較于傳統(tǒng)模型而言，本文采用了機器學(xué)習(xí)中的邏輯回歸模型（logistic regression），該模型是基于現(xiàn)階段國內(nèi)外發(fā)展狀況和項目背景以及相關(guān)業(yè)務(wù)場景的探索研究，該模型屬于概率型非線性回歸模型，它是研究二分類觀察結(jié)果（被解釋變量）與一些影響因素（解釋變量）之間關(guān)系的一種多變量分析方法。如果用線性回歸分析，由于應(yīng)變量Y是一個二值變量（通常取值1或0），不滿足應(yīng)用條件，尤其當各因素都處于低水平或高水平時，預(yù)測值Y值可能超出0～1范圍，出現(xiàn)不合理都現(xiàn)象。用logistic回歸分析則可以較好的解決上述問題。

2?相關(guān)技術(shù)介紹

數(shù)據(jù)科學(xué)是一個發(fā)現(xiàn)和解釋數(shù)據(jù)中的模式，并用于解決問題的過程。

2.1?數(shù)據(jù)科學(xué)過程

數(shù)據(jù)科學(xué)中的過程，主要分為以下幾個步驟：相關(guān)數(shù)據(jù)和主題結(jié)合生成信息，信息通過規(guī)則的加工生成知識，知識通過業(yè)務(wù)經(jīng)驗的豐富生成相關(guān)管理人員的決策和行動，這些步驟在業(yè)務(wù)場景中的流程如圖1所示。

2.2?模型的實際應(yīng)用過程

分析建模人員通過分析數(shù)據(jù)建立模型，在該過程中主要是找出隱藏在數(shù)據(jù)背后的模式，這些模式能把數(shù)據(jù)轉(zhuǎn)化為知識，而這些已發(fā)現(xiàn)的知識就是我們所謂的模型，業(yè)務(wù)人員把模型用在實際數(shù)據(jù)上，從而預(yù)測未來的行為，在這個過程中主要是部署，即應(yīng)用已發(fā)現(xiàn)的知識達成實用的目的。

2.3?數(shù)據(jù)科學(xué)實施路線圖

在數(shù)據(jù)科學(xué)中，數(shù)據(jù)挖掘的實施路線圖貫穿整個數(shù)據(jù)建過程中，如圖2所示為數(shù)據(jù)科學(xué)實施路線圖。

3?個人貸款違約預(yù)測模型的創(chuàng)新點介紹

個人貸款違約預(yù)測模型的建立包括：業(yè)務(wù)理解、數(shù)據(jù)獲取、數(shù)據(jù)清洗與處理、數(shù)據(jù)建模等過程，每個過程的創(chuàng)新點在后面會展開討論。

3.1?業(yè)務(wù)理解

業(yè)務(wù)理解是數(shù)據(jù)建模中關(guān)鍵的環(huán)節(jié)，若業(yè)務(wù)理解不到位則直接關(guān)系到業(yè)務(wù)目標的偏離，從而導(dǎo)致最后的模型預(yù)測不準確，不僅浪費較長的時間人力成本，而且會對公司的經(jīng)營狀況造成巨大的損失，因此好的業(yè)務(wù)理解對數(shù)據(jù)建模起到關(guān)鍵性的作用。

本文涉及的數(shù)據(jù)業(yè)務(wù)是在銀行場景下進行個人客戶業(yè)務(wù)分析和數(shù)據(jù)挖掘進行的，筆者希望明確哪些客戶有更多的業(yè)務(wù)需求，而風(fēng)險管理的業(yè)務(wù)人員可以及早發(fā)現(xiàn)貸款的潛在損失，那么根據(jù)客戶的貸款屬性、交易信息、狀態(tài)信息怎樣預(yù)測客戶的貸款違約行為呢？這是本文需要重點探索的問題。

而拆分這些數(shù)據(jù)的指標，我們可以分為三大類：屬性、狀態(tài)、行為信息，而這三大類指標對建模的特征變量的篩選有重要的指導(dǎo)意義。整理這些變量通常會與兩個指標變量息息相關(guān)-還款意愿和還款能力指標，而在貸款審批前業(yè)務(wù)人員會重點關(guān)注其還款意愿情況，若客戶得到的收益高于成本，則客戶的還款意愿不足，從而導(dǎo)致違約;在貸款后業(yè)務(wù)人員會關(guān)注客戶還款能力情況，若客戶的經(jīng)濟條件惡化，從而導(dǎo)致違約，而還款能力不足包括欲望大于能力，生活狀態(tài)不穩(wěn)定等情況。而描述這些還款指標的變量基本都是衍生變量，而這些衍生變量分為：

一級衍生變量，比如資產(chǎn)余額;二級衍生變量，比如資產(chǎn)余額的波動率、平均資產(chǎn)余額;三級衍生變量，比如資產(chǎn)余額的變異系數(shù)等。因此在接下來的章節(jié)中將詳細闡述這些變量提取的過程。

3.2?數(shù)據(jù)獲取

本案例的數(shù)據(jù)來自一家銀行的真實客戶與交易數(shù)據(jù)，設(shè)計客戶主記錄、賬號、交易、業(yè)務(wù)和信用卡、地區(qū)等數(shù)據(jù)，下面分別介紹這幾張數(shù)據(jù)庫表的重要字段。

貸款表（Loans）：該表記錄每個賬戶上的一條貸款信息，包括以下字段：權(quán)限號（disp_id）、貸款號（loan_id）、賬戶號（accout_id）、發(fā)放貸款日期（date）、貸款金額（amount）、貸款期限（duration）、每月歸還額（payments）、還款狀態(tài)（status）。其中還款狀態(tài)A代表合同終止，沒問題;B代表合同終止，貸款沒有支付;C代表合同處于執(zhí)行期，至今正常;D代表合同處于執(zhí)行期，欠債狀態(tài)。

賬戶表（Account）：該表記錄賬戶相關(guān)信息，包括以下字段：賬戶號（account_id）、開戶分行地區(qū)號（district_id）、開戶日期（date）、結(jié)算頻度（frequency）。

客戶信息表（Clients）：該表記錄客戶的基礎(chǔ)屬性相關(guān)信息，包括以下字段：客戶號（client_id）、性別（sex）、出身日期（birth_date）、地區(qū)號（district_id）。

權(quán)限分配表（Disp）：該表每條記錄描述了客戶和賬戶之間的關(guān)系，以及客戶操作賬戶的權(quán)限，包括以下字段：權(quán)限設(shè)置號（disp_id）、客戶號（client_id）、賬戶號（account_id）、權(quán)限類型（type）。其中權(quán)限類型字段中只有“所有者”身份可以進行增殖業(yè)務(wù)操作和貸款。

支付命令表（Orders）：該表每條記錄描述了一個支付命令，包括以下字段：訂單號（order_id）、發(fā)起訂單的賬單號（account_id）、收款銀行（bank_to）、收款客戶號（account_to）、欠款金額（amount）等。

交易表（Trans）：該表每條記錄代表每個賬戶上的一條記錄，包括以下字段：交易序號（trans_id）、發(fā)起交易的賬戶號（account_id）、交易日期（date）、借貸類型（type）、交易類型（operation）、欠款金額（amount）、賬戶余額（balance）等。

信用卡表（Cards）：該表每條記錄描述了一個賬戶上的信用卡信息，包括以下字段：信用卡ID（card_id）、賬戶權(quán)限號（disp_id）、卡類型（type）、issued（發(fā)卡信息）。

人口地區(qū)統(tǒng)計表（District）：該表記錄描述了一個地區(qū)的人口統(tǒng)計學(xué)信息，包括以下字段：地區(qū)號（A1）、GDP總量（GDP）等。

其中各表與表之間的聯(lián)系即E-R圖如圖3所示。

3.3?數(shù)據(jù)清洗與處理

數(shù)據(jù)清洗與處理是數(shù)據(jù)建模中重要環(huán)節(jié)，如果源數(shù)據(jù)不經(jīng)過處理以及處理不夠精確，則會直接影響模型的預(yù)測準確度。本小節(jié)主要介紹該案例背后的數(shù)據(jù)處理的相關(guān)過程以及代碼實現(xiàn)的小細節(jié)。

（1）首先需要對貸款違約預(yù)測模型的被解釋變量Y值定義違約和非違約的狀態(tài)，通過數(shù)據(jù)獲取章節(jié)中的貸款表可知，狀態(tài)為B和D為違約狀態(tài)，C為未知狀態(tài)，D為正常狀態(tài)，因此對貸款表新增解釋變量Y值字段bad_good，實現(xiàn)的相關(guān)代碼如下：

Loans[‘bad_good]?= loans.status.map（{"B"：1，"D"：1，"C"：0，"A"：2}）

（2）由于貸款信息需要知道詳細貸款人的基礎(chǔ)屬性信息，因此需要將loans表和用戶clients表進行連接，但是中間需要權(quán)限表disp表建立中間橋梁進行連接，并且只有權(quán)限為“所有者”的用戶才能操作所有相關(guān)的表：

df = pd.merge（loans，disp，on="account_id"，how="left"）

df = pd.merge（df，clients，on="client_id"，how="left"）

df = df[df.type==”所有者”]

（3）由于對取數(shù)的時間有要求，因此需要對現(xiàn)有的時間格式進行轉(zhuǎn)換，方便后續(xù)計算：

df2["date"]?= pd.to_datetime（df2["date"]）

df2["date_trans"]?= pd.to_datetime（df2["date_trans"]）

（4）對于動態(tài)數(shù)據(jù)，其觀察期的取數(shù)窗口的規(guī)則是交易日期在貸款日期之前，并且交易日期在貸款日期前一年的時間內(nèi)：

import datetime

df3=df2[df2.date-datetime.timedelta（days=365）

[df2.date_trans

（5）由于賬戶余額和貸款金額為無法正確計算的字符串，需要對字符串進行清洗處理得到數(shù)值形式，對于每個賬戶的交易類型，有兩種情況，‘借代表支出，‘貸代表收入，需要將收入和支出標準化，方便后續(xù)計算：

df2["amount1"]=df2["amount"].map（lambdax：int（"".join（x[1：].split（"，"））））

df2["balance1"]=df2["balance"].map（lambdax：int（"".join（x[1：].split（"，"））））

3.4?數(shù)據(jù)建模

數(shù)據(jù)建模是模型建立的最后一個環(huán)節(jié)，該過程包括數(shù)據(jù)特征變量的篩選和模型的選取。

3.4.1?特征變量的選取

（1）賬戶余額的變異系數(shù)：賬戶的平均余額/賬戶的標準差。

df4=df3.groupby（"account_id"）["balance1"].agg（["mean"，"std"]）

.reset_index（）

df4["cv_balance"]?= df4.apply（lambda x：x[2]/x[1]，axis=1）

（2）賬戶的平均收入和平均支出：

df5=df3.groupby（["account_id"，"type1"]）.balance1.sum（）.unstack（）

.reset_index（）.fillna（0）

df5["r_out_in"]?= df5.apply（lambda x：x[2]/x[1]，axis=1）

（3）貸存比和貸收比：貸存比=貸款總額/平均余額、貸收比=貸款總額/總收入

df6 = pd.merge（df1，df4，on="account_id"，how="left"）

df7 = pd.merge（df6，df5，on="account_id"，how="left"）

df7["r_lb"]?= df7[["amount"，"avg_balance"]].apply（lambdax：

x[0]/x[1]，axis=1）

df7["r_lincome"]?= df7[["amount"，"income"]].apply（lambdax：

x[0]/x[1]，axis=1）

3.4.2?模型的選取

由于被解釋變量是二分類變量，因此模型選取該業(yè)務(wù)場景下常用的模型-邏輯回歸模型（Logit Regression）。而用于預(yù)測模型的訓(xùn)練集和測試集都是從貸款表中的狀態(tài)類型進行篩選的，其中訓(xùn)練集和測試集從狀態(tài)為C的情況下選取的，訓(xùn)練集隨機選取幾何的07，測試集為0.3。使用了邏輯回歸的向前逐步法模型直接調(diào)用邏輯回歸的函數(shù)，代碼如下所示：

fpr，tpr，th = metrics.roc_curve（test.bad_good，lg_m1.predict（test））

plt.figure（figsize=[6，6]）

plt.plot（fpr，tpr，'b--'）

plt.title（'ROC curve'）

plt.show（）

print（'AUC = %.4f' %metrics.auc（fpr，tpr））

for_predict['prob']=lg_m1.predict（for_predict）

for_predict[['account_id'，'prob']].head（）

最后生成的是ROC曲線，求得的AUC為0.8780。曲線如圖4所示。

4?總結(jié)

本論文通過對案例的數(shù)據(jù)進行一系列的分析和挖掘得到比較精準的模型，并且已在實際的業(yè)務(wù)場景中進行了測試和監(jiān)控，最后的反饋結(jié)果都得到了非常不錯的效果，在未來的日子里，筆者也會繼續(xù)探索相關(guān)的機器學(xué)習(xí)模型，例如決策樹、組合算法等模型，通過這些模型的比較看能否得到更符合業(yè)務(wù)場景并且相對精準的模型。

參考文獻

[1]舒揚，楊秋怡.基于大樣本數(shù)據(jù)模型的汽車貸款違約預(yù)測研究[J].管理評論，2017，29（09）：59-71.

[2]王粟旸.商業(yè)銀行小微企業(yè)違約風(fēng)險管控及違約概率估計模型研究[D].南京：南京大學(xué)，2014.

[3]章寧，陳欽.基于TF-IDF算法的P2P貸款違約預(yù)測模型[J].計算機應(yīng)用，2018，38（10）：3042-3047.

[4]朱偉義，喬琳霏.基于多維特征邏輯回歸識別模型的排隊監(jiān)測方法[J].電氣自動化，2018，40（06）：94-97.

[5]李佳，黃之豪.銀行信用風(fēng)險預(yù)測——基于SVM和BP神經(jīng)網(wǎng)絡(luò)的比較研究[J].上海立信會計金融學(xué)院學(xué)報，2018，（06）：40-48.

[6]姚蘭蘭.淺析商業(yè)銀行信用風(fēng)險管理存在的問題與對策[J].現(xiàn)代商業(yè)，2018，（31）：84-85.

[7]金美子.我國商業(yè)銀行信用風(fēng)險管理存在的問題及監(jiān)管對策[J].現(xiàn)代商業(yè)，2018，（28）：73-74.