立即咨询

电话咨询

微信咨询

立即试用
商务合作

利用数据挖掘进行信用卡评分,提高银行的客户风险识别能力

2022-11-22

 

信用卡业务具有透支笔数巨大、单笔金额小的特点,这使得数据挖掘技术在信用卡业务中的应用成为必然。国外信用卡发卡机构已经广泛应用数据挖掘技术促进信用卡业务的发展,实现全面的绩效管理。

>>>>

背景描述及需求

银行在市场经济中起着至关重要的作用。他们决定谁能获得资金,以什么条件获得资金,并决定投资决策的成败。为了让市场和社会发挥作用,个人和企业需要获得信贷。信用评分算法是银行用来决定贷款是否应该发放的一种方法,它对违约概率进行猜测。为了推进信用卡业务良性发展,减少坏账风险,各大银行都进行了信用卡客户风险识别相关工作,建立了相应的客户风险评分模型。

本案例基于思迈特软件的数据挖掘平台Smartbi Mining进行建模,使用逻辑回归分类算法预测客户在未来两年内遭遇财务困境的可能性并进行信用评分,提高银行的客户风险识别能力。本案例定义逾期90天以上就算作为逾期客户。

信用卡客户评分数据挖掘主要包括以下步骤:

1) 从银行获取信用卡相关信息;

2) 数据探索:探索整体数据分布和探索不同变量之间的关系;

3) 数据预处理工作:包括数据清洗、数据离散化、处理样本不平衡问题等操作;

4) 构建信用评分卡模型,计算各指标的分值及综合评分;

5) 根据评分结果,分析该银行的客户的信用风险情况。

>>>>

实施过程

本案例数据集来源于kaggle赛题数据,共计15万条客户数据,包括信用客户和逾期客户,并对数据进行人工标注,标注分为两类,分别为:0(信用客户)和1(逾期客户)。字段说明见表2-1。

字段名称

类型

字段说明

SeriousDlqin2yrs

整型

好坏客户。取值为{0,1}

RevolvingUtilizationOfUnsecuredLines

浮点型

可用额度比值

age

整型

年龄

NumberOfTime30-59DaysPastDueNotWorse

整型

逾期30-59天笔数

DebtRatio

浮点型

负债率

MonthlyIncome

整型

月收入

NumberOfOpenCreditLinesAndLoans

整型

信贷数量

NumberOfTimes90DaysLate

整型

逾期90天笔数

NumberRealEstateLoansOrLines

整型

固定资产贷款量

NumberOfTime60-89DaysPastDueNotWorse

整型

逾期60-89天笔数

NumberOfDependents

整型

家属数量

 

表2-1

2.1 数据接入

在实验中添加数据源节点,将评分卡客户数据读取进来,部分数据如图2-1所示。

 

图2-1 评分卡客户数据

为了方便理解本数据集每个特征的含义,使用元数据编辑节点,添加中文字段别名,更改后的输出如图2-2所示,流程图如图2-3所示。

图2-2

图2-3 流程图

2.2 数据探索

本案例的探索分析是对数据进行缺失值、重复值与异常值分析,分析出数据的规律以及异常值

为了查看整体数据集数值型数据的情况,我们接入一个全表统计节点,选中所有数值型字段如图2-4,输出结果如图2-5所示,可以看到部分数据(月收入、家属数量)存在缺失值。可以看到“月收入”缺失达到近20%,“家属数量”缺失较少仅有2.6%的缺失。

图2-4

 

图2-5 数据缺失情况

为了统计所有数据中好坏客户的分布情况,选择聚合节点,选择分组计数,如图2-6,输出结果分布情况如图2-7所示。发现0类样本占有较大的比例,则需要考虑到样本不平衡问题。

 

图2-6

 

图2-7 好坏客户分布情况

通过全表统计节点查看所有数据的分布情况,查看各指标的直方图、箱线图分布情况,如图2-8所示。发现“年龄”的最小值居然是0,但是根据我们的常识,小于18岁是不能在银行办理信用卡或是贷款业务的。以及看到三个逾期天数指标(逾期30-59天、逾期60-80天,逾期90天)是存在比较严重的离群值的。

 

图2-8 直方图、箱线图

2.3 数据预处理

通过数据探索发现,月收入、家属数量这两个字段数据有部分空值、三个逾期天数指标存在异常值和部分数据可能有重复值。以及好坏客户的数据比例存在明显的不平衡现象,如果将这些数据直接进入模型,必然会对分析造成很大的影响,得到的结果的质量也必然是存在问题的。那么,在利用到数据之前就必须先进行数据预处理,把无价值的指标及数据去除。

◆ 去重复值

通过去除重复值节点将重复行的数据进行给去除,结果去除后结果如图2-9所示。

 

图2-9 去除重复值

◆ 空值处理

由于“家属数量”缺失较少,可直接使用中位数进行填充。“月收入”这个特征对于征信来说非常重要的,本案例采用随机森林填补法来填充,即将缺失的特征值作为预测值,将未缺失的“月收入”数据作为训练样本的标签。流程图如图2-10所示。

 

2-10 空值处理

 异常值处理

根据探索分析发现年龄的最小值为0,通常我们知道年龄小于18岁是不能办理银行信用卡或者贷款业务的,并且发现三个逾期天数指标(逾期30-59天、逾期60-80天,逾期90天)是存在比较严重的离群值的。通过行选择节点筛选出年龄<18的数据分析发现仅有年龄=0的这一条数据,如图2-11所示。因此需要将年龄为0的数据进行删除过滤,如图2-12所示。

 

图2-11

 

图2-12 过滤与映射

通过行选择节点筛选出发现三个逾期指标出现的情况发生在相同的行,维度都是(225,11)。因此将其中一个异常指标过滤删除即可,如图2-13所示。

 

图2-13 过滤与映射

 处理样本不平衡

通过图2-7所示发现,0:1=139974:10026,是存在严重的样本不平衡的。这是在金融风控中非常常见的,因为会存在严重违约的用户毕竟是少数。本案例采取SMOTE上采样的方法处理数据不平衡。通过python脚本进行编写,核心代码如图2-14所示。处理不平衡数据后通过聚合节点分析发现1类和0类数据达到平衡状态,如图2-15所示。

图2-14 SMOTE上采样

图2-15

◆ 数据离散化

在建立模型前,需要对连续变量离散化,特征离散化后,模型会更稳定,降低了模型过拟合的风险。连续变量是在任意两个值之间具有无限个值的数值变量。连续变量可以是数值变量,也可以是日期/时间变量。例如,零件的长度,或者收到付款的日期和时间。因此,我们自定义离散操作,如图2-16所示。

图2-16 自定义离散

整个的数据预处理流程如图2-17所示。

图2-17

2.4 特征选择

◆ 相关性分析

相关性分析是用来反映变量之间的相关关系的密切程度。相关系数的取值一般介于-1和1之间。当相关系数为正的时候,意味着变量之间是正相关的;当相关系数为负的时候,意味着变量之间是负相关的。我们选择相关性节点探索各指标的相关性,如图2-18所示。因此我们相关性较强的特征,如图2-19所示。

图2-18 相关性分析

图2-19 特征选择

2.5 模型建立

本案例采取逻辑回归模型,整体的流程图如图2-20所示。

逻辑回归具有以下优势:

1、逻辑回归经过信贷历史的反复验证是有效的

2、模型比较稳定相对成熟

3、建模过程透明而不是黑箱

4、不太容易过拟合

图2-20 模型训练及预测评估

通常而言,评分卡模型一般采用roc或ks曲线来评价模型的好坏。本案例的评估结果如图2-21所示,发现该模型的auc取值为0.835,ks的最大取值为0.51,说明该模型的效果是不错的。

图2-21 评估结果

2.6 计算评分

◆ 模型系数

通过逻辑回归模型训练后接入模型系数节点,输出的模型系数如图2-22所示。

图2-22 模型系数

◆ 计算得分

我们需要将逻辑回归转换为对应的分数,(0-999分)。

根据资料查得:Score = offset + factor * log(odds)

首先,我们得计算各特征的分数得分,部分核心代码如图2-23所示,各分数得分输出日志中可打印输出,如图2-24所示,然后根据基础分值与各特征的得分进行相加减获取最终信用评分,部分核心代码如图2-25所示。

图2-23 各特征分数得分函数

图 2-24 各特征对应的分数

图 2-25 用户总分函数

最后输出各特征指标的得分,如图2-26所示,根据得分结果可查看分析出评分越高的客户违约风险就越大。为此可对相应的工作采取措施。

图 2-26

>>>>

总结

本文结合信用卡评分的案例,重点介绍了数据挖掘算法中逻辑回归分类算法在实践中的应用。通过对客户的信用进行评分,可挖掘出该客户的违约风险程度,并针对可能违约的客户采取相应的措施。

 

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里!

 

热门数字化产品

探域电商全域智能客服机器人探域电商全域智能客服机器人,以消费者触点为核心,助力品牌全域数智化运营,实现高质量增长。我们通过AI人工智能、NLP技术和行业知识图谱的核心技术,构建了营销服务一体化智能客服机器人、全域客户数据中台 Lite CDP、私域一体化智能营销SCRM等核心产品。
网易数帆有数BI有数BI是由网易数帆推出的一款企业级智能大数据敏捷分析平台。无需代码、PPT式简单拖拽即可轻松完成报告与大屏的制作。丰富的在线图表组件、可视化ETL操作、多终端智能预警等能力真正降低了用户的使用门槛,提高了数据使用效率,助力企业实现数据驱动决策。
DuoPlus云手机DuoPlus云手机是云端操控,拓展全球商机,简化多设备跨平台社媒操作,专注打造全球社媒营销、Tiktok、WhatsApp专用云手机!
阿里云云服务器ECS云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。 专业的售前技术支持,协助您选择最合适配置方案
炎黄盈动AWS PaaS低代码平台炎黄盈动AWS PaaS低代码平台,PaaS是数字化转型的基石,支撑/探索不同发展级别的能力要求,以强大低代码能力 + 全场景BPM优势,引领国内PaaS市场发展。平台总体架构,成熟稳定、简单强大,轻,微应用,满足持续、大规模构建核心业务的苛刻要求。
为你推荐
2025腾讯产业合作伙伴大会|云巴巴荣获双项大奖,载誉而归

1月16日,2025腾讯产业合作伙伴大会在三亚召开。云巴巴,荣膺“2024腾讯云卓越合作伙伴奖—星云奖”和“2024腾讯云AI产品突出贡献奖”双项大奖

2025-01-17
传统AI代码工具效率低下?TAPD MCP Server让开发效率与质量双倍飙升

腾讯TAPD作为国内领先的敏捷研发管理平台,可以说是最早拥抱MCP的研发管理工具之一,凭借其全生命周期的研发管理能力,成为AI代码助手的“最强外挂”,其创新功能直击开发痛点。

2025-04-25
如何提升政企客户服务效率?协同管理+规模触达成政企服务质量选型新标准

基于预设规则和对象特征,让消息推送更智能更精准,帮助企业打通内外部系统的数据系统,实现更多灵活、更个性化的营销和服务能力开发。

2025-04-25
如何利用数据分析做好活动营销?海纳嗨数让活动策划执行更加高效便捷

海纳嗨数凭借其专业的数据分析能力,为企业提供从数据采集到深度洞察的一站式解决方案,助力活动策划与执行实现质的飞跃。

2025-04-25
复杂网络环境下,如何通过弱网加速与源站高可用技术架构保障业务零中断?

网宿科技全站加速产品以弱网优化与源站灾备技术矩阵,构建全链路加速体系,通过核心技术为多场景提供端到端保障,实现弱网效率跃升、源站切换无感,助企业突破网络桎梏。

2025-04-24
查看更多