数据挖掘技术和信用风险管理 ■ 刘京军 一、数据挖掘的定义 数据挖掘就是利用人工智能、统计分析以及其它建模方法,从大量不完全的、随机的数据中寻找数据之间的关系和有用的信息
数据挖掘在营销、金融等行业的重要性已经被认识,所以企业一般都建立自己的数据库即客户关系系统(CRM),这为数据挖掘的发展提供了基础
需要指出的是:数据挖掘并不仅仅是技术和算法的组合,它其实更像过程,这个过程的目的在于解决具体的问题或做具体的决策
数据挖掘的过程一般如下:(1)问题的定义以及数据准备;(2)数据分析以及模型的建立
(3)模型的应用与检验
第一步与第三步因问题的不同而不同,第二步具有一般性因而可以实现自动化
由于实现第二步的方法以及模型可能有多个,最优化的模型可能会因定义的问题以及应用的领域不同而不同
模型建立包括核心以及外部技术,自动化主要在核心之中应用
数据挖掘一般是重复的过程,当数据与模型不再相合时,或数据已经过时了,数据挖掘就得重做
尤其在金融部门,由于金融数据的高变动性,数据挖掘过程更加频繁
这里数据挖掘的定义指按照某种商业目的,确定针对不同商业目的算法和技术,对大量的信息知识和数据进行有效的知识管理的工具
二、数据挖掘和信用风险管理 数据挖掘目前在信用风险管理上应用得相当广泛,如:信用评分、数据库市场化、客户关系管理等等
从目前的发展情形来看,数据挖掘技术不是信用风险管理的主流方法
但是,从该技术的特点以及信用风险管理的目的和方法来看,应该是信用风险管理中重要的手段
主要表现在如下几个方面
首先,对贷款者进行信用计分
信用计分是个贷业务中的重要方法,它是决定是否给予贷款的基准,信用计分是贷款者的信用级别高低的标志
信用计分卡实际上是一种用于个人信用风险控制的数学模型
它是利用数据挖掘技术对银行积累的大量客户历史数据进行分析,寻找出有关客户信用风险的特征值和规律,建立相应的数学模
