房貸信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)設(shè)計(jì)分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了房貸信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)設(shè)計(jì)分析范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要：近年來(lái)，貸款買房成為購(gòu)房的常態(tài)，銀行需要通過(guò)各種統(tǒng)計(jì)數(shù)據(jù)對(duì)貸款者進(jìn)行信用評(píng)估，根據(jù)評(píng)估結(jié)果決定是否貸款，以此規(guī)避風(fēng)險(xiǎn)。據(jù)此，針對(duì)該問(wèn)題進(jìn)行調(diào)研，收集數(shù)據(jù)，利用數(shù)據(jù)挖掘原理，采用Weka軟件與貝葉斯模型，設(shè)計(jì)出房貸信用風(fēng)險(xiǎn)控制系統(tǒng)，為銀行的房貸信用評(píng)估業(yè)務(wù)提供參考，為其他需要信用風(fēng)險(xiǎn)評(píng)級(jí)的機(jī)構(gòu)或組織提供經(jīng)驗(yàn)。

關(guān)鍵詞：房貸；信用風(fēng)險(xiǎn)評(píng)級(jí)；數(shù)據(jù)挖掘

1基本軟件與模型介紹

在構(gòu)建該信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)時(shí)，一是采用的是Weka軟件。該軟件能對(duì)數(shù)據(jù)進(jìn)行初步處理、分類、回歸、聚類、關(guān)聯(lián)規(guī)則等，并實(shí)現(xiàn)可視化操作。本文對(duì)收集的數(shù)據(jù)采用了初步處理、利用Apriori關(guān)聯(lián)規(guī)則挖掘分析的方法。二是利用MSBNx貝葉斯網(wǎng)分類工具，采用貝葉斯信念網(wǎng)絡(luò)分類進(jìn)行類型劃分，利用相關(guān)的算法。以此確定出因素之間的相關(guān)關(guān)系以及相應(yīng)的概率，為模型的建立以及結(jié)論的產(chǎn)生提供參考依據(jù)。

2房貸信用風(fēng)險(xiǎn)樣本調(diào)查結(jié)果

本文選取6類最具代表性的指標(biāo)，即財(cái)產(chǎn)狀況、年齡、婚姻狀況、有無(wú)固定電話、信用保證金額、信用等級(jí)。由于Weka軟件只識(shí)別英文，將以上6類用英文代替，分別是property、age、status、telephone、creditamount、class。調(diào)查結(jié)果如表1所示。

3數(shù)據(jù)挖掘過(guò)程

3．1數(shù)據(jù)初步處理。首先對(duì)數(shù)據(jù)進(jìn)行初步處理，以保證數(shù)據(jù)挖掘的質(zhì)量。依次進(jìn)行數(shù)據(jù)缺失項(xiàng)處理；數(shù)據(jù)的標(biāo)準(zhǔn)化處理；數(shù)據(jù)的規(guī)范化處理，規(guī)范到［－1，＋1］區(qū)間。3．2Apriori關(guān)聯(lián)規(guī)則挖掘分析。使用Apriori算法獲取關(guān)聯(lián)信息并進(jìn)行分析，對(duì)初步處理的數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘。采用支持度、置信度2個(gè)指標(biāo)，分別確定數(shù)據(jù)集的頻繁程度、Y在包含X的事物出現(xiàn)的概率。同時(shí)將滿足最小支持度、最小置信度閾值的規(guī)則稱為強(qiáng)規(guī)則。首先，采用支持度閾值為25％、置信度閾值為85％，對(duì)挖掘的最佳關(guān)聯(lián)規(guī)則第1、2條進(jìn)行分析。結(jié)果表明有房產(chǎn)與信用額度有強(qiáng)關(guān)聯(lián)（lift＝1．22＞1）；年齡在35～49與信用額度小關(guān)聯(lián)較小（lift＝1．07）。隨后采用置信度閾值為55％進(jìn)行分析，找出：“status＝malesingle，telephone＝none＝＝＞property＝realestate”規(guī)則的置信度和提升讀。結(jié)果表明有房產(chǎn)單身男性與沒(méi)有電話號(hào)碼有強(qiáng)關(guān)聯(lián)規(guī)（lift＝1．22）。

4數(shù)據(jù)挖掘分類分析結(jié)果

通過(guò)上述過(guò)程得出的結(jié)果，運(yùn)用MSBNx工具中的貝葉斯信念網(wǎng)絡(luò)分類方法進(jìn)行分析，得出最終的結(jié)果。貝葉斯信念網(wǎng)絡(luò)分類：首先，將年齡與信用額度離散成3類，得到年齡與信用額度離散結(jié)果，隨后，構(gòu)建貝葉斯信念網(wǎng)絡(luò)分類進(jìn)行類型劃分，如圖1中橢圓圈及箭頭所構(gòu)成的網(wǎng)絡(luò)。最后，可求得信用等級(jí)（class）好（Good）、壞（bad）的概率。例：求“有車、年齡超過(guò)50歲、無(wú)電話、信用額小于3000”的信貸評(píng)級(jí)。根據(jù)系統(tǒng)給出的結(jié)果得出good、bad概率分別為0．835443、0．164557，信用等級(jí)好的概率大，故銀行可提供貸款給借款人。

5結(jié)語(yǔ)

由于實(shí)際情況復(fù)雜，本文只選取6類代表性指標(biāo)調(diào)查，設(shè)計(jì)出信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)，并給出操作示范。最終決策客觀、規(guī)范，實(shí)現(xiàn)風(fēng)險(xiǎn)控制的目標(biāo)。同時(shí)為其他需要信用風(fēng)險(xiǎn)評(píng)估的機(jī)構(gòu)或組織提供了一個(gè)有效的操作方法，這是該信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)更為深層的作用。

作者:馬楠藍(lán) 李雨芹 曹云 吳沁欣 單位:西華大學(xué)