數(shù)據(jù)挖掘技術(shù)在擔保公司風險管理中的應用研究

一、數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘，又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中，抽取出潛在的、有價值的知識（模型或規(guī)則）的過程，是一門新興的邊緣交叉學科，涉及到機器學習、模式識別、數(shù)據(jù)庫、數(shù)理統(tǒng)計、數(shù)據(jù)可視化、高性能計算、神經(jīng)網(wǎng)絡和空間數(shù)據(jù)分析等多門學科，被認為是目前具有廣泛應用的一個重要的研究課題。

二、數(shù)據(jù)挖掘常用技術(shù)的種類

（1）人工神經(jīng)網(wǎng)絡。仿照生理神經(jīng)網(wǎng)絡結(jié)構(gòu)的非線形預測模型，通過學習進行模式識別。（2）決策樹。代表著決策集的樹形結(jié)構(gòu)。這是一種較常用的技術(shù)，決策樹提供了一種展示類似在什么條件下會得到什么值這類規(guī)則的方法。比如，在銀行貸款申請中，要對申請的風險大小做出判斷，常用的就是決策樹方法。（3）遺傳算法?；谶M化理論，并采用遺傳結(jié)合、遺傳變異、以及自然選擇等設計方法的優(yōu)化技術(shù)。（4）近鄰算法。將數(shù)據(jù)集合中每一個記錄進行分類的方法。（5）規(guī)則推導。從統(tǒng)計意義上對數(shù)據(jù)中的“如果——那么”規(guī)則進行尋找和推導。

三、擔保公司目前主要的風險

（1）信用風險。借款人由于經(jīng)營不善或主觀惡意等發(fā)生債務危機，無力全部或部分按時償還信用社貸款，造成逾期、呆滯呆賬等擔保風險。（2）市場風險。主要指借款人在投資決策時或在生產(chǎn)經(jīng)營中因市場行情變化致使生產(chǎn)經(jīng)營無法繼續(xù)維持或嚴重虧損，給信用社造成損失的可能性。（3）政策風險。主要是指由于各種經(jīng)濟政策和財政稅收政策調(diào)整給借款人帶來重大經(jīng)營影響，間接給信用社造成貸款損失的可能性。（4）道德風險。第一，不按擔保規(guī)則發(fā)放了一些提高擔保公司營業(yè)額的擔保業(yè)務，形成呆滯呆賬。第二，與借款人惡意串通，采取種種手段欺騙上級部門，形成貸款無法按時償還。第三，違規(guī)違法發(fā)放人情擔保和向關(guān)系人進行擔保，形成的各種損失。

四、決策樹技術(shù)在擔保業(yè)風險管理中的應用

（1）決策樹的概念。決策樹表示方法是應用最廣泛的邏輯方法之一，它從一組無次序、無規(guī)則的事例中推理出決策樹表示形式的分類規(guī)則。決策樹分類方法采用自頂向下的遞歸方式，在決策樹的內(nèi)部結(jié)點進行屬性值的比較并根據(jù)不同的屬性值判斷從該結(jié)點向下的分支，在決策樹的葉結(jié)點得到結(jié)論。所以從決策樹的根到葉結(jié)點的一條路徑就對應著一條合取規(guī)則，整棵決策樹就對應著一組析取表達式規(guī)則。決策樹是一個類似于流程圖的樹結(jié)構(gòu)，其中每個內(nèi)部結(jié)點表示在一個屬性上的測試，每個分支代表一個測試輸出，而每個樹葉結(jié)點代表類或類分布。（2）決策樹用于分類的步驟。決策樹用于分類可分為兩大步：建立決策樹模型、使用模型進行分類。其中建立決策樹模型包括創(chuàng)建決策樹產(chǎn)生分類規(guī)則和對分類規(guī)則進行測試評估兩個階段。（3）預測客戶風險等級的方法和過程。擔保公司各種業(yè)務系統(tǒng)中存儲了大量客戶的數(shù)據(jù)，按照擔保公司以前的客戶風險等級分類方法，把這些客戶分為正常、逾期、呆滯、呆帳四類，其中后三種貸款客戶稱為不良擔?？蛻?。目前有的擔保公司開始實行新的客戶貸款風險五級分類標準，即正常、關(guān)注、次級、可疑、損失五類。把以前的正?？蛻舳x為低風險客戶，逾期、呆滯、呆帳定義為高風險客戶，現(xiàn)在的正常定義為低風險客戶，關(guān)注、次級、可疑、損失定義為高風險客戶。由于評定客戶的屬性特征不一致，將客戶分為企業(yè)客戶和個人客戶兩類。個人客戶的主要特征屬性有：貸款金額、貸款方式、家庭人口、貸款期限、借款人資信等級、資產(chǎn)負債率、年度家庭純收入、當?shù)仄骄健⑸a(chǎn)經(jīng)營情況、銷售及貨款回籠、經(jīng)營管理能力、借款人還款意愿、有無不良行為、保證人代償能力、抵押物情況、擔保狀況總體評價。企業(yè)客戶的主要特征屬性有:貸款金額、貸款方式、貸款期限、借款人資信等級，資產(chǎn)負債率、主營業(yè)務利潤、主營業(yè)務收入凈額、銷售利潤率、同行業(yè)平均水平、總現(xiàn)金凈流量、生產(chǎn)經(jīng)營情況、產(chǎn)品市場需求情況、經(jīng)營管理能力、借款人還款意愿、保證人代償能力、抵押物情況、擔保狀況總體評價。對容易波動的屬性采用取其平均值的做法，離散的屬性通過建立序列對照的辦法也可以用平均法。具體做法是，首先將歷史業(yè)務數(shù)據(jù)、外部數(shù)據(jù)，經(jīng)過清洗，轉(zhuǎn)換，集成加載到數(shù)據(jù)庫中，在數(shù)據(jù)庫中建立可供挖掘的以預測客戶風險為主題的數(shù)據(jù)集，對連續(xù)型數(shù)值屬性進行離散化處理，然后以客戶的特征屬性為條件屬性，類別屬性為分類屬性，用決策樹算法分別對個人和企業(yè)的歷史數(shù)據(jù)進行挖掘，得到潛在的分類規(guī)則，指導決策。

隨著擔保公司在風險管理中對數(shù)據(jù)挖掘技術(shù)的深入應用，數(shù)據(jù)挖掘技術(shù)的其他方法也將會越來越多的應用到風險管理中去，為擔保業(yè)務的風險管理提供有力的技術(shù)保障。

參 考 文 獻

[1]蔡皎潔，張玉峰．基于數(shù)據(jù)挖掘銀行客戶信用風險評級體系研究[J]．情報雜志．2010（2）：47～50

[2]顧慶鋒．數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)在信用社風險控制中的應用研究[D]．鎮(zhèn)江：江蘇大學．2006

項目基金：本文系學院自然科學研究項目階段性成果。