信用風(fēng)險(xiǎn)

????????銀行的經(jīng)營風(fēng)險(xiǎn)的機(jī)構(gòu)，那在第15節(jié)也提到了巴塞爾新資本協(xié)議對(duì)于銀行風(fēng)險(xiǎn)的計(jì)量和監(jiān)管要求芥永，其中信用風(fēng)險(xiǎn)是銀行經(jīng)營的主要風(fēng)險(xiǎn)之一，它的管理好壞直接影響到銀行的經(jīng)營利潤和穩(wěn)定經(jīng)營钝吮。信用風(fēng)險(xiǎn)是指交易對(duì)手未能履行約定契約中的義務(wù)而給銀行造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)埋涧。典型的表現(xiàn)形式包括借款人發(fā)生違約或信用等級(jí)下降贴唇。借款人因各種原因未能及時(shí)、足額償還債務(wù)/銀行貸款飞袋、未能履行合同義務(wù)而發(fā)生違約時(shí)戳气，債權(quán)人或銀行必將因?yàn)槲茨艿玫筋A(yù)期的收益而承擔(dān)財(cái)務(wù)上的損失。

????????那如何來表示某個(gè)交易對(duì)手的信用情況呢巧鸭，一般使用信用等級(jí)或信用評(píng)分來來表示瓶您，等級(jí)越低或評(píng)分越低，發(fā)生違約的概率會(huì)增加纲仍。這個(gè)信用評(píng)分主要應(yīng)用在客戶的貸前和貸后管理中呀袱，貸前是指客戶貸款申請(qǐng)階段，銀行受理客戶貸款申請(qǐng)時(shí)會(huì)根據(jù)客戶提交的信息郑叠、人行征信夜赵、其它數(shù)據(jù)源按一定的規(guī)則計(jì)算出一個(gè)違約概率和風(fēng)險(xiǎn)評(píng)分或信用等級(jí)。再根據(jù)這個(gè)評(píng)分或評(píng)級(jí)來確定客戶的授信額度和利率乡革。計(jì)算出的評(píng)分或評(píng)級(jí)越高寇僧，違約概率越低，比如在進(jìn)行個(gè)人貸前評(píng)分時(shí)主要關(guān)注以下5方面：

????????（1）People：貸款人狀況沸版，包括歷史還款表現(xiàn)嘁傀、當(dāng)前負(fù)債情況、資金饑渴度等视粮；

????????（2）Payment：還款來源细办，如基本收入、資產(chǎn)水平蕾殴、月收支負(fù)債比笑撞、無擔(dān)保總負(fù)債等钓觉；???????

????????（3）Purpose：資金用途茴肥，如消費(fèi)、買房议谷，需要規(guī)避貸款資金用于投資或投機(jī)性質(zhì)較高領(lǐng)域炉爆，如股票和數(shù)字貨幣；

????????（4）Protection：債權(quán)確保卧晓，主要是看是否有抵押物或擔(dān)保，需要看抵押物用途赴捞、質(zhì)量逼裆、價(jià)格等關(guān)鍵要素；

????????（5）Perspective：借款戶展望赦政，從地域胜宇、行業(yè)耀怜、人生階段等考察穩(wěn)定性及潛力；

????????貸后是指客戶借款后銀行持續(xù)跟進(jìn)客戶的信用情況桐愉，如果發(fā)現(xiàn)信用評(píng)分降低或者某些指標(biāo)達(dá)到風(fēng)險(xiǎn)預(yù)警指標(biāo)的閾值财破，說明風(fēng)險(xiǎn)升高，則會(huì)進(jìn)行凍結(jié)額度甚至提前進(jìn)行貸款收回从诲。特別是對(duì)于逾期客戶左痢。

風(fēng)險(xiǎn)建模步驟

?????? 在進(jìn)行信用評(píng)估時(shí)如何選擇客戶屬性、如何確定評(píng)分或評(píng)級(jí)規(guī)則呢系洛？這就需要進(jìn)行風(fēng)險(xiǎn)建模俊性，通過分析歷史數(shù)據(jù)來確定哪些特征或指標(biāo)對(duì)客戶的違約相關(guān)性大，可以了解客戶的還款能力以及還款意愿描扯。并通過一定方法來建立評(píng)分和評(píng)級(jí)的規(guī)則定页。那風(fēng)險(xiǎn)建模主要分為以下步驟：

????????（1）業(yè)務(wù)理解：主要評(píng)估當(dāng)前現(xiàn)狀、確定業(yè)務(wù)目標(biāo)绽诚，選擇建模方法典徊，比如需要進(jìn)行XX貸款產(chǎn)品的貸前評(píng)分模型并確定準(zhǔn)入規(guī)則，建模方式比如為評(píng)分卡恩够，評(píng)分應(yīng)用為基于評(píng)分確定貸款準(zhǔn)入規(guī)則以及額度和利率規(guī)則宫峦，同時(shí)需要確定分析數(shù)據(jù)的好客戶和壞客戶標(biāo)準(zhǔn)，如逾期90天以上為壞客戶玫鸟；

????????（2）數(shù)據(jù)理解：首先需要準(zhǔn)備建模的樣本數(shù)據(jù)导绷，如抽取近2年的獲得類似產(chǎn)品的客戶相關(guān)信息以及根據(jù)好客戶和壞客戶標(biāo)準(zhǔn)確定的結(jié)果。并針對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行業(yè)務(wù)含義理解屎飘、對(duì)數(shù)據(jù)進(jìn)行收集妥曲、探索，了解每個(gè)變量的數(shù)據(jù)質(zhì)量钦购、缺失情況檐盟，數(shù)據(jù)分布等。比如對(duì)于客戶在人行的征信數(shù)據(jù)押桃、客戶在銀行的存款葵萎、理財(cái)?shù)刃畔ⅰ⒁约翱蛻羯暾?qǐng)?zhí)顚懙募彝コ⒎慨a(chǎn)信息羡忘、外部獲得的客戶教育、司法等相關(guān)信息進(jìn)行業(yè)務(wù)理解和數(shù)據(jù)分布磕昼、質(zhì)量的探索卷雕，對(duì)缺失值比例過大的變量或準(zhǔn)確性不高的變量進(jìn)行剔除，同時(shí)也要確定對(duì)于樣本數(shù)據(jù)中哪些數(shù)據(jù)進(jìn)行建模票从，哪些數(shù)據(jù)進(jìn)行驗(yàn)證漫雕。

????????（3）數(shù)據(jù)準(zhǔn)備：主要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和指標(biāo)加工滨嘱，指標(biāo)加工指基于基礎(chǔ)數(shù)據(jù)進(jìn)行指標(biāo)加工，如最近1個(gè)月的征信查詢次數(shù)浸间，最近1年的逾期次數(shù)等太雨，數(shù)據(jù)預(yù)處理主要工作包括對(duì)每一個(gè)變量進(jìn)行數(shù)據(jù)清洗、缺失值處理魁蒜、異常值處理囊扳、數(shù)據(jù)標(biāo)準(zhǔn)化等，主要目的是將獲取的原始數(shù)據(jù)轉(zhuǎn)變成可用于建模的結(jié)構(gòu)化數(shù)據(jù)梅惯。

????????比如對(duì)于連續(xù)變量宪拥，就是要尋找合適的切割點(diǎn)把變量分為幾個(gè)區(qū)間段以使其具有最強(qiáng)的預(yù)測(cè)能力，也稱為“分箱”铣减。例如客戶年齡就是連續(xù)變量她君，在這一步就是要研究分成幾組、每組切割點(diǎn)在哪里預(yù)測(cè)能力是最強(qiáng)的葫哗。分箱的方法有等寬缔刹、等頻、聚類（k-means）劣针、卡方分箱法校镐、單變量決策樹算法（ID3、C4.5捺典、CART）鸟廓、IV最大化分箱法、best-ks分箱法等襟己。如果是離散變量引谜，每個(gè)變量值都有一定的預(yù)測(cè)能力，但是考慮到可能幾個(gè)變量值有相近的預(yù)測(cè)能力擎浴，因此也需要進(jìn)行分組员咽。

????????通過對(duì)變量的分割、分組和合并轉(zhuǎn)換贮预，分析每個(gè)變量對(duì)于結(jié)果的相關(guān)性贝室，剔除掉預(yù)測(cè)能力較弱的變量，篩選出符合實(shí)際業(yè)務(wù)需求仿吞、具有較強(qiáng)預(yù)測(cè)能力的變量滑频。檢測(cè)變量預(yù)測(cè)能力的方法有：WOE(weight of Evidence) 、IV(informationvalue)等茫藏。

????????（4）分析建模：即對(duì)于篩選出來的變量以及完成好壞定義的樣本結(jié)果误趴。放入模型進(jìn)行擬合。如評(píng)分卡一般采用常見的邏輯回歸的模型务傲，PYTHON凉当、SAS、R都有相關(guān)的函數(shù)實(shí)現(xiàn)模型擬合售葡。以下是生成的評(píng)分卡的例子看杭。

????????（5）評(píng)估及報(bào)告：即通過驗(yàn)證樣本對(duì)模型的預(yù)測(cè)進(jìn)行校驗(yàn)。評(píng)估模型的準(zhǔn)確性和穩(wěn)健性挟伙，并得出分析報(bào)告楼雹。常用的方法有ROC曲線、lift提升指數(shù)尖阔、KS(Kolmogorov-Smirnov)曲線贮缅、GINI系數(shù)等。

????????（6）應(yīng)用：對(duì)模型進(jìn)行實(shí)際部署和應(yīng)用介却，如基于評(píng)分進(jìn)行客戶準(zhǔn)入和產(chǎn)生額度谴供，并在貸款系統(tǒng)進(jìn)行模型部署，自動(dòng)對(duì)申請(qǐng)客戶進(jìn)行評(píng)分齿坷。

????????（7）監(jiān)測(cè)：建立多種報(bào)表對(duì)模型的有效性桂肌、穩(wěn)定性進(jìn)行監(jiān)測(cè)，如穩(wěn)定性監(jiān)控報(bào)表來比較新申請(qǐng)客戶與開發(fā)樣本客戶的分值分布永淌，不良貸款分析報(bào)表來評(píng)估不同分?jǐn)?shù)段的不良貸款崎场，并且與開發(fā)時(shí)的預(yù)測(cè)進(jìn)行比較，監(jiān)控客戶信貸質(zhì)量遂蛀。隨著時(shí)間的推移和環(huán)境變化谭跨，評(píng)分模型的預(yù)測(cè)力會(huì)減弱，所以需要持續(xù)監(jiān)控并進(jìn)行適當(dāng)調(diào)整或重建李滴。

????????在信用風(fēng)險(xiǎn)建模中螃宙，目前評(píng)分卡建模還是主要的方式，除了申請(qǐng)?jiān)u分（A卡（Application score card））還有B卡（Behavior score card）行為評(píng)分卡悬嗓、C卡（Collection score card）催收評(píng)分卡污呼。B卡主要進(jìn)行客戶貸后管理，如何進(jìn)行風(fēng)險(xiǎn)預(yù)警包竹，C卡進(jìn)行催收管理燕酷，確定如何催收以及催收方式和時(shí)間點(diǎn)。信用風(fēng)險(xiǎn)模型中還有一個(gè)是反欺詐模型周瞎，它主要是識(shí)別假冒身份苗缩、虛假信息、批量薅羊毛等欺詐行為声诸。隨著機(jī)器學(xué)習(xí)和大數(shù)據(jù)的發(fā)展酱讶，其它的一些建模方式如決策樹、深度神經(jīng)網(wǎng)絡(luò)也越來越多的應(yīng)用到了風(fēng)險(xiǎn)建模中彼乌。

????????信用風(fēng)險(xiǎn)模型是數(shù)據(jù)倉庫支持的重要數(shù)據(jù)應(yīng)用之一泻肯，在風(fēng)險(xiǎn)建模分析階段渊迁，數(shù)據(jù)倉庫是建模樣本數(shù)據(jù)以及衍生指標(biāo)加工的主要提供者，業(yè)務(wù)人員一般在自助分析平臺(tái)進(jìn)行數(shù)據(jù)分析和建模灶挟，模型建立完成并部署后琉朽，會(huì)基于數(shù)據(jù)倉庫數(shù)據(jù)進(jìn)行模型效果的監(jiān)控。在貸后管理中稚铣，風(fēng)險(xiǎn)集市也會(huì)進(jìn)行貸后指標(biāo)的加工箱叁。另外風(fēng)險(xiǎn)模型以及預(yù)警中會(huì)經(jīng)常使用到外部數(shù)據(jù)，這部分?jǐn)?shù)據(jù)也是通過數(shù)據(jù)倉庫進(jìn)行對(duì)接惕医、加工和存儲(chǔ)耕漱。