基于數(shù)據(jù)挖掘的扶貧對(duì)象精準(zhǔn)識(shí)別研究

聶燕敏　封二英

【摘 要】貧困戶人員多、居住分散，資金需求具有小、急、頻等特征，造成貧困戶容易成為金融機(jī)構(gòu)排斥對(duì)象。本文以貧困地區(qū)信用建設(shè)為突破口，利用大數(shù)據(jù)分析和挖掘技術(shù)對(duì)農(nóng)戶的基本信用進(jìn)行評(píng)級(jí)，根據(jù)信用等級(jí)及主要影響因素確定扶貧資金的額度，有針對(duì)性的定制金融產(chǎn)品。這樣一方面提高了金融機(jī)構(gòu)扶貧的精準(zhǔn)度，另一方面可以大大提升金融機(jī)構(gòu)參與扶貧的積極性，使得農(nóng)村金融生態(tài)環(huán)境越來越好。

【關(guān)鍵詞】大數(shù)據(jù)技術(shù)；金融扶貧；精準(zhǔn)扶貧；信用評(píng)級(jí)

中圖分類號(hào)： F323.8 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）08-0102-002

【Abstract】The number of poor households is scattered， and the demand for funds is small，urgent and frequent， which makes poor households easy to be excluded from financial institutions.This paper takes credit construction in poor areas as a breakthrough，uses large data analysis and mining technology to evaluate the basic credit of farmers， and determines the amount of the poverty alleviation funds according to the credit rating and the main factors，and there are targeted customized financial products.On the one hand， the precision of financial institutions' poverty alleviation is improved， on the other hand，the enthusiasm of financial institutions to participate in poverty alleviation can be greatly improved， and the rural financial ecological environment is getting better and better.

【Key words】Big data technology；Financial poverty alleviation；Precision poverty alleviation；Credit rating

0 引言

農(nóng)村尤其是貧困地區(qū)，因市場(chǎng)機(jī)制不完善，貧困人口想順利得到正規(guī)金融產(chǎn)品的支持是很困難的。尤其是小額信貸這種比較適合貧困人口的金融產(chǎn)品，特別受人們的喜愛。根據(jù)調(diào)查顯示，曾經(jīng)參加小額信貸的農(nóng)戶明顯比沒有參加的農(nóng)戶收入要高，這樣可以有效提升扶貧成效，使得貧困人口盡快脫貧。但是，由于農(nóng)村征信體制不健全，個(gè)人信用檔案也不完善，部分貧困人口缺乏誠信意識(shí)，會(huì)有故意賴賬的傾向，這就使得金融機(jī)構(gòu)對(duì)農(nóng)戶和涉農(nóng)企業(yè)的信用信息不能完全掌握，阻礙金融機(jī)構(gòu)支持精準(zhǔn)扶貧的積極性。因此，完善農(nóng)村信用評(píng)級(jí)體系非常重要，要想充分調(diào)動(dòng)金融機(jī)構(gòu)參與金融扶貧的積極性，就要采取一系列措施，完善農(nóng)村信用體制，凈化農(nóng)村金融生態(tài)環(huán)境。一是要建立起完整的農(nóng)村個(gè)人信用檔案，及時(shí)更新農(nóng)戶的信息，定期對(duì)農(nóng)戶的信用等級(jí)進(jìn)行評(píng)級(jí)。二是要持續(xù)不間斷地跟蹤農(nóng)戶貸款情況，降低農(nóng)戶違約風(fēng)險(xiǎn)。三是建立長效的宣傳機(jī)制，在農(nóng)村廣泛宣傳恪守信用的農(nóng)戶和企業(yè)，并著力培育信用客戶。

1 數(shù)據(jù)挖掘技術(shù)在貧困戶信用評(píng)價(jià)中的可行性分析

利用數(shù)據(jù)挖掘技術(shù)進(jìn)行精準(zhǔn)扶貧過程中建檔立卡貧困戶的信用評(píng)價(jià)問題，主要分為以下幾個(gè)方面。

（1）通過調(diào)研河北省國家級(jí)貧困縣，搜集相關(guān)數(shù)據(jù)

選取某河北省國家級(jí)貧困縣為研究對(duì)象，通過走訪調(diào)研，搜集大量相關(guān)數(shù)據(jù)。數(shù)據(jù)包括：建檔立卡貧困戶錄入的數(shù)據(jù)，通過調(diào)查問卷的形式確保數(shù)據(jù)的真實(shí)性和完整性；農(nóng)戶在金融扶貧中的歷史交易數(shù)據(jù)等。

（2）利用大數(shù)據(jù)技術(shù)對(duì)前期搜集到的數(shù)據(jù)進(jìn)行整合

由于農(nóng)村信息化建設(shè)還不太完善，所以需要把搜集到的數(shù)據(jù)進(jìn)行有效地整合。由于數(shù)據(jù)量比較大，可以選用大數(shù)據(jù)技術(shù)進(jìn)行并行處理數(shù)據(jù)，選用合適的數(shù)據(jù)挖掘軟件進(jìn)行前期數(shù)據(jù)整合。

（3）使用屬性相關(guān)性的特征選擇算法確定影響金融扶貧信用評(píng)級(jí)的關(guān)鍵因素

通過定性分析，找出影響建檔立卡貧困戶信用風(fēng)險(xiǎn)的關(guān)鍵因素，如農(nóng)戶年齡、現(xiàn)有住房、申請(qǐng)項(xiàng)目等。貧困人口的信貸風(fēng)險(xiǎn)影響因素對(duì)貸款償還效能和信用等級(jí)計(jì)算會(huì)產(chǎn)生不同程度的影響，利用屬性相關(guān)性的特征選擇算法，有助于識(shí)別重要因素，剔除非關(guān)鍵因素。金融機(jī)構(gòu)就可以據(jù)此調(diào)整貸款發(fā)放政策，提高金融扶貧的精準(zhǔn)度。

（4）利用數(shù)據(jù)挖掘分類算法，構(gòu)建最優(yōu)信用風(fēng)險(xiǎn)動(dòng)態(tài)評(píng)級(jí)模型

為了實(shí)現(xiàn)金融扶貧的精準(zhǔn)投放，首先要對(duì)建檔立卡貧困戶進(jìn)行等級(jí)劃分，以便在此基礎(chǔ)上金融機(jī)構(gòu)可以進(jìn)一步調(diào)整自己的扶貧金融產(chǎn)品。對(duì)于不同等級(jí)的農(nóng)戶進(jìn)行不同額度的扶貧貸款的投放。通過不同數(shù)據(jù)挖掘分類算法建立信用風(fēng)險(xiǎn)評(píng)級(jí)模型，通過比較確定最優(yōu)模型，并保證能根據(jù)數(shù)據(jù)的更新，對(duì)農(nóng)戶的信用評(píng)級(jí)進(jìn)行實(shí)時(shí)更新，實(shí)現(xiàn)動(dòng)態(tài)信用評(píng)級(jí)。

2 金融精準(zhǔn)扶貧信用評(píng)級(jí)實(shí)證分析

（1）金融扶貧過程中扶貧對(duì)象的信用評(píng)級(jí)指標(biāo)體系構(gòu)建

為了設(shè)計(jì)出科學(xué)合理、可操作性強(qiáng)的指標(biāo)體系，充分體現(xiàn)金融扶貧過程中，各個(gè)金融機(jī)構(gòu)資金的精準(zhǔn)投放，通過將扶貧對(duì)象進(jìn)行聚類，其中包括信用評(píng)級(jí)，并找到扶貧對(duì)象的貧困的主要原因，根據(jù)不同的原因和信用評(píng)級(jí)結(jié)果，金融機(jī)構(gòu)可以設(shè)計(jì)出不同的金融產(chǎn)品，并且設(shè)置成不同的信用額度，這樣一方面保證了金融機(jī)構(gòu)進(jìn)行扶貧的積極性，也保證了扶貧對(duì)象對(duì)資金的需求，并且也能避免信用詐騙，使得農(nóng)村金融的生態(tài)環(huán)境更好。

指標(biāo)的選取要遵循一定的原則，主要包括可操作性、科學(xué)性、全面性、系統(tǒng)性等特點(diǎn)。因此，本文通過走訪扶貧辦及建檔立卡資料，參考金融機(jī)構(gòu)對(duì)信用評(píng)級(jí)的指標(biāo)，結(jié)合我省的實(shí)際情況，構(gòu)建了適合評(píng)價(jià)我省金融扶貧過程中農(nóng)戶信用評(píng)價(jià)指標(biāo)體系（見表1）。

（2）關(guān)鍵指標(biāo)選取及數(shù)據(jù)歸一化

首先通過發(fā)放調(diào)查問卷、走訪調(diào)研等方式獲取農(nóng)戶的基本數(shù)據(jù)，并對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，獲得了原始數(shù)據(jù)。其次利用主成分分析法識(shí)別出最主要的影響因素，最終確定主要影響因素為：燃料、飲水、衛(wèi)生、資產(chǎn)、住房、收入、學(xué)歷、教育、健康、勞動(dòng)力狀況，將這些指標(biāo)按照一定規(guī)則進(jìn)行統(tǒng)一化得分處理，例如：飲水分為桶裝水、自來水、受保護(hù)的井水、不受保護(hù)的井水或泉水、江河湖泊水、其他水源分別得分為0，1，2，3，4，5分，并以農(nóng)戶為單位，對(duì)一家的各個(gè)指標(biāo)進(jìn)行打分，最后得出整個(gè)家庭每個(gè)指標(biāo)的平均得分。

（3）信用評(píng)級(jí)模型建立

由于我省農(nóng)村信用體制還不太完善，而且有很多農(nóng)戶都沒有信貸記錄，因此不能采取有監(jiān)督的聚類算法。選用k-Means聚類算法，利用weka軟件對(duì)已經(jīng)處理好的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，使得他們的數(shù)據(jù)進(jìn)行聚類，經(jīng)過交叉驗(yàn)證得出將數(shù)據(jù)聚為5類，結(jié)果如圖1所示。通過各個(gè)指標(biāo)的分析，我們最終確定了五個(gè)類別分別對(duì)應(yīng)的信用等級(jí)為I級(jí)、II級(jí)、III級(jí)、V級(jí)、VI級(jí)。

（4）最后得出信用評(píng)級(jí)結(jié)果，并分析影響評(píng)級(jí)結(jié)果的關(guān)鍵因素，對(duì)數(shù)據(jù)進(jìn)行了相關(guān)性分析，找出貧困戶信用評(píng)級(jí)低的主要原因，根據(jù)不同的情況進(jìn)行不同的幫扶措施。比如：如果因?yàn)榧彝ソ逃?fù)擔(dān)重而導(dǎo)致貧困，則可以引薦金融機(jī)構(gòu)發(fā)放助學(xué)貸款的形式。

（5）信用評(píng)級(jí)模型優(yōu)化

由于農(nóng)村信用體制不完善，信用記錄缺失，貧困人口大多數(shù)都是沒有貸款，即使有貸款也沒有完善的數(shù)據(jù)記錄，因此，選用了這種無監(jiān)督的數(shù)據(jù)挖掘算法進(jìn)行模型的建立，而模型的驗(yàn)證及后續(xù)的優(yōu)化，需要后期搜集更多的帶有標(biāo)簽的數(shù)據(jù)集對(duì)模型進(jìn)行驗(yàn)證并優(yōu)化。

3 結(jié)論

金融扶貧過程中進(jìn)行信用評(píng)價(jià)是一個(gè)特別復(fù)雜的工程，因?yàn)樗婕暗挠绊懸蛩仡H多，需要進(jìn)行大量的調(diào)查和分析。而大數(shù)據(jù)挖掘技術(shù)，就是從各種類型的數(shù)據(jù)中快速獲得有價(jià)值信息的技術(shù)，是大數(shù)據(jù)采集、存儲(chǔ)、處理和呈現(xiàn)的有力武器，一般包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析及挖掘、數(shù)據(jù)展現(xiàn)和應(yīng)用等方面，能夠客觀地對(duì)農(nóng)戶信用進(jìn)行評(píng)級(jí)。雖然國家沒有都會(huì)撥付大量經(jīng)費(fèi)用于財(cái)政扶貧、貸款貼息等，但與農(nóng)村貧困人口的需求比是遠(yuǎn)遠(yuǎn)不夠的，因此，我們需要積極吸引金融機(jī)構(gòu)參與到金融扶貧過程中，吸引社會(huì)資金進(jìn)入農(nóng)村，而農(nóng)民又沒有抵押物，金融機(jī)構(gòu)也不是慈善機(jī)構(gòu)，因此，這就需要我們完善農(nóng)村信用體系，大量開展小額信用貸款支持精準(zhǔn)扶貧，這樣可以完善我國的信用體系，使得我們農(nóng)村金融生態(tài)環(huán)境更好，為實(shí)現(xiàn)2020年我國全面進(jìn)入小康社會(huì)奠定了基礎(chǔ)。

【參考文獻(xiàn)】

[1]付李濤.我國連片貧困地區(qū)金融扶貧問題研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué)，2016.

[2]舒景慧.金融扶貧發(fā)展實(shí)踐探索[D].內(nèi)蒙古大學(xué)，2016.

[3]盧施羽.陜西農(nóng)村金融扶貧發(fā)展模式研究[D].西北農(nóng)林科技大學(xué)，2016.

[4]金麗，張麗明.河北省農(nóng)村金融扶貧的成效、問題及建議[J].貴州農(nóng)業(yè)科學(xué)，2014，42（07）：215-219. [2017-10-08].

[5]劉靜.河北省農(nóng)村金融扶貧問題研究[D].河北師范大學(xué)，2014.

[6]王鸞鳳，朱小梅，吳秋實(shí). 農(nóng)村金融扶貧的困境與對(duì)策——以湖北省為例[J].國家行政學(xué)院學(xué)報(bào)，2012，（06）：99-103.[2017-10-08].DOI：10.14063/j.cnki.1008-9314.2012.06.008.

[7]?；?，莫光輝，于澤堃.農(nóng)村精準(zhǔn)扶貧的實(shí)踐困境與路徑創(chuàng)新探索[J].農(nóng)業(yè)經(jīng)濟(jì)，2017，（01）：9-11. [2017-10-08].