（会计学专业论文）基于决策树算法的房贷信用风险评估研究.pdf

c l a s s i f i e di n d e x ：f 8 3 2 4 d i s s e r t a t i o nf o rt h em a s t e rd e g r e ei nm a n a g e r e s e a c ho nt h em o r t g a g e cr e d i tr i s ke v a l ua t i o no nt h eb a s i so f c a n d i d a t e ： d e c i s i o nt r e ea l g o r i t h m s u p e r v i s o r ： s h a 0t i e z h u a c a d e m i cd e g r e ea p p l i e df o r ：m a s t e ro fm a n a g e m e n ts c i e n c e s p e c i a l i t y ： a c c o u n t i n g d a t eo fo r a le x a m i n a t i o n ：m a r c h ，2 0 12 u n i v e r s i t y ： h a r b i nu n i v e r s i t yo fs c i e n c ea n d t e c h n o l o g y 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文基于决策树算法的房贷信用风险 评估研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行 研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或 撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均己在文中以明确方 式注明。本声明的法律结 作者签名： 人承担。 日期：衣孵砂月日 哈尔滨理工大学硕士学位论文使用授权书 基于决策树算法的房贷信用风险评估研究系本人在哈尔滨理工大学攻读硕 士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔滨理工大 学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔滨理工 大学关于保存、使用学位论文的规定，同意学校保留并向有关部门提交论文和电子 版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其 他复制手段保存论文，可以公布论文的全部或部分内容。 本学位论文属于 保密，口在年解密后适用授权书。 不保密囤。 ( 请在以上相应 作者签名： 导师签名： 日期：d o 版 日期：锄z 年奄其 日 年毕月乒日 哈尔滨理工大学管理学硕士论文 基于决策树算法的房贷信用风险评估研究 摘要 2 0 0 8 年美国次贷危机的爆发，使房贷信用风险引起全世界的关注。根据 巴塞尔委员会提出的新巴塞尔资本协议的要求，金融市场风险或信用风险 等单一风险已经不再是影响银行业经营困难的主要因素，而是多种因素( 如： 金融市场风险、信用风险、操作风险等) 共同作用的结果。然而我国银行风险 评估尚处于初级阶段，尤其对个人信用风险评估、管理方面的经验和方法都较 为缺乏。基于此现状，本文以银行客户数据为依据对个人信用风险进行评估， 为完善银行监管体系具有现实意义。 本文开篇论述了国内外信用风险评估的研究现状以及研究成果，简单介绍 了决策树算法和房贷信用风险，在分析房贷信用风险评估现状的基础上，进一 步分析了房贷信用风险评估中存在的问题。对影响房贷信用风险评估的因素进 行了分析，并设计出相应的评估指标，给出评估指标筛选的具体步骤，最终确 定影响比较大的十个指标。紧接着通过对房贷信用风险评估方法的比较分析， 选择了决策树算法来对房贷的信用风险进行评估，阐述了决策树算法所依托的 原理和评估模型。根据以上对评估指标的设计以及评估方法的选择，选取了a 银行为研究对象，对其房贷信用风险进行了评估，并根据评估结果提出了降低 a 银行房贷信用风险的策略。 本文所采用的决策树算法能够准确的评估出房贷客户的信用等级，既适用 于银行对老客户信用的跟踪评估，也适用于对新客户信用等级的预测，其评估 结果可以成为银行为客户提供贷款的决策依据，能够为降低银行的房贷信用风 险发挥巨大作用，保障银行业健康平稳的发展。 关键词房贷；信用风险评估；决策树算法 r e s e a c ho nt h em o r t g a g ec r e d i tr i s ke v a l u a t i o no n t h eb a s i so fd e c i s i o nt r e ea l g o r i t h m a b s t r a c t h o u s el o l a nc r e d i tr i s k sc a u s ec o n c e r n sa m o n gt h ew h o l ew o r l dd u et oo u t b u r s t o fa m e r i c a nl o a nc r i s i si n2 0 0 8 a c c o r d i n gt ot h er e q u e s t so f ”n e wb a s e lc a p i m l a g r e e m e n t ”b r o u g h tf o r w a r db yb a s e lc o m m i t t e e ，t h em a j o rf a c t o r t oa f f e c tt h e b a n k i n gm a n a g e m e n ti sn o tt h es i n g l er i s k ，s u c ha sf i n a n c i a lm a r k e tr i s ko rc r e d i t r i s k s b u tt h ec o m b i n e da c t i o nr e s u l t so fv a r i o u sf a c t o r s ( s u c ha s ：f i n a n c i a lm a r k e t r i s k ，c r e d i tr i s k s ，o p e r a t i o nr i s k ，e t c ) h o w e v e r , o u rn a t i o n a lb a n kr i s ke s t i m a t ei s s t i l li nt h ej u n i o rs t a g e ，e s p e c i a l l yl a c ko fe x p e r i e n c e sa n dm e t h o d so np e r s o n a lc r e d i t r i s k sa s s e s s m e n ta n dm a n a g e m e n tc o m p a r a t i v e l y o w i n gt ot h a tt h i sc u r r e n ts i t u a t i o n ， t h ep a p e re v a l u a t e st h ep e r s o n a lc r e d i tr i s ko nt h eb a s i so ft h eb a n kc u s t o m e r s d a t a ， w h i c hi sp r a c t i c a l l ys i g n i f i c a n ti nb a n k i n gs u p e r v i s o r ys y s t e mp e r f e c t i o n t h i sp a p e rf i r s t l ye l a b o r a t e dt h ep r e s e n tr e s e a r c hs i t u a t i o na n dt h er e s e a r c h r e s u l t so ft h ec r e d i t r i s ka s s e s s m e n ti nt h ed o m e s t i ca n dt h ef o r e i g n ，a n ds i m p l y i n t r o d u c e dt h ed e c i s i o nt r e ea l g o r i t h ma n dt h em o r t g a g ec r e d i tr i s k b a s i n go nt h e a n a l y s i so ft h ep r e s e n tr e s e a r c hs i t u m i o no fm o r t g a g ec r e d i t r i s ka s s e s s m e n t ，t h i s p a p e rf u r t h e ra n a l y z e dt h ep r o b l e m so f t h em o r t g a g ec r e d i tr i s ka s s e s s m e n t t h e nt h e a r t i c l ea n a l y z e dt h ei n f l u e n c ef a c t o r so ft h em o r t g a g ec r e d i tr i s k ，d e s i g n i n gt h e c o r r e s p o n d i n ge v a l u a t i o ni n d e x ，a n dg a v et h es p e c i f i cs t e p so f t h ee v a l u a t i o ni n d e x s c r e e n i n g a n dt h e nd e t e r m i n e dt h et e ni n d i c a t o r sw h i c hh a dm a j o ri n f l u e n c e n e x t ， t h r o u g ht h ec o m p a r a t i v ea n a l y s i so f t h em o r t g a g ec r e d i tr i s ka s s e s s m e n tm e t h o d s ，t h e p a p e rc h o s et h ed e c i s i o nt r e ea l g o r i t h m t oa s s e s st h em o r t g a g ec r e d i tr i s k ，a n d d e s c r i b e dt h ep r i n c i p l e sa n de v a l u a t i o nm o d e lo ft h ed e c i s i o nt r e ea l g o r i t h m o nt h e b a s i so fd e s i g n i n ge v a l u a t i o ni n d e xa n dc h o s i n ge v a l u a t i o nm e t h o dt h ea b o v e d ，t h e p a p e ra s s e s s e dt h em o r t g a g ec r e d i t r i s ko nab a n k ，a n dp u tf o r w a r dt ot h es t r a t e g y r e d u c i n gt h em o r t g a g ec r e d i tr i s ko f a b a n ko nt h eb a s i so ft h ee v a l u a t i o nr e s u l t t h ed e c i s i o nt r e e a l g o r i t h m t h ep a p e ru s e dc a l la c c u r a t e l ye v a l u a t et h e c u s t o m e r so ft h em o r t g a g ec r e d i tg r a d e w h i c hi sn o to n l ys u i t a b l ef o rt h eb a n kt o t r a c kt h ec r e d i tr i s ka s s e s s m e n to ft h eo l dc u s t o m e r s ，b u ta l s os u i t a b l et op r e d i c tt h e c r e d i tr a t i n go ft h en e wc u s t o m e r s t h ee v a l u a t i o nr e s u l to ft h ed e c i s i o nt r e e i i 哈尔滨理工大学管理学硕士论文 a l g o r i t h mc a l lb eu s e d a st h ed e c i s i o n m a k i n gb a s i so fw h i c ht h eb a n k sp r o v i d el o a n s t ot h ec u s t o m e r s ，a n dw i l lt op l a yah u g er o l eo nr e d u c i n gl o a n sc r e d i tr i s kf o rt h e b a n k ，a n di n s u r et h eh e a l t h ya n ds t a b l ed e v e l o p m e n to f t h eb a n ki n d u s t r yf i n a l l y k e y w o r d sm o r t g a g e ，c r e d i tr i s ka s s e s s m e n t ，d e c i s i o nt r e e i i i 哈尔滨理工大学管理学硕士学位论文 目录 摘要i a b s t r a c t i i 第1 章绪论1 1 1 研究背景1 1 2 研究目的和意义2 1 3 国内外研究现状2 1 3 1 国外研究现状2 1 3 2 国内研究现状4 1 4 主要研究内容与研究方法5 1 4 1 主要研究内容5 1 4 2 研究方法5 1 4 3 技术路线6 第2 章决策树算法和房贷信用风险评估概述7 2 1 决策树算法概述7 2 2 房贷信用风险概述7 2 2 1 房贷信用风险的内涵7 2 2 2 房贷信用风险的成因8 2 2 3 房贷信用风险的特征9 2 3 房贷信用风险评估现状分析1 0 2 3 1 房贷信用风险的评估方法一1 0 2 3 2 房贷信用风险评估中存在的问题。1 0 2 4 本章小结1 1 第3 章房贷信用风险评估指标设计1 2 3 1 房贷信用风险评估的影响因素分析1 2 3 1 1 宏观因素1 2 3 1 2 微观因素1 4 3 2 评估指标设计的原则，1 5 3 3 评估指标的选择1 6 3 3 1 指标筛选的原理1 6 3 3 2 指标筛选的步骤1 7 3 3 3 指标筛选的结1 9 3 4 本章小结2 1 第4 章房贷信用风险评估决策树模型的构建2 2 4 。l 房贷信用风险评估方法分析2 2 4 1 1 房贷信用风险评估方法对比分析2 2 4 1 2 决策树的优势分析2 3 4 2 决策树算法评估原理及模型2 4 4 2 1 决策树算法评估原理一2 4 4 。2 2 决策树算法评估模型一2 6 4 3 决策树模型评估步骤2 8 4 3 1 指标数据的获取2 8 4 3 2 修剪决策树2 8 4 3 3 生成规则2 9 4 3 4 评估结果的分析依据一2 9 4 4 本章小结3 0 第5 章实证研究一3 1 5 1a 银行简介及信用风险概况3 1 5 2a 银行房贷客户指标数据的采集与处理3 1 5 2 1a 银行房贷客户数据的采集3 2 5 2 2a 银行房贷客户数据的处理3 2 5 3a 银行房贷客户的信用风险评估3 5 5 3 1 决策树模型对a 银行房贷信用风险的评估3 5 5 3 2 评估结果分析3 5 5 3 3 预测a 银行房贷客户的信用等级3 6 5 4 降低房贷信用风险的策略3 6 5 4 1 降低房贷信用风险的宏观策略3 7 5 4 2 降低房贷信用风险的微观策略3 7 5 5 本章小结3 9 结论4 0 参考文献。4 1 附录4 4 攻读硕士学位期间发表的学术论文6 6 致谢6 7 第1 章绪论 1 1 研究背景 2 0 0 8 年美国次贷危机爆发以来，全球金融市场之间紧密联系、不同市场之 间的互相影响、银行风险和金融危机在国际间的传播问题开始引起越来越多的 关注。以2 0 0 8 年美国个人住房贷款引发的整个华尔街金融受损的事件为代 表，许多金融机构陷入经营困境的主要原因不再是信用风险或市场风险等单一 风险，而是由信用风险、市场风险j i - d h 操作风险相互交织、共同作用造成的。 金融危机促使人们更加重视市场风险与信用风险的综合模型以及操作风险的量 化问题，由此全面风险管理模式引起人们的重视。巴塞尔委员会于1 9 9 8 年推 出有效银行监管的核心原则，至此，市场风险与信用风险、操作风险一并 成为银行监管部门重点关注的对象。 2 0 0 5 年巴塞尔委员会对1 9 9 6 年版的“资本协议关于市场风险的修订 案”进行了重新修订为新巴塞尔资本协议。新资本协议对银行信用风险管 理提出了更高的要求，信用风险的内部评级法是新协议的核心内容，涉及大量 的数理统计及对风险的量化分析技术心1 ；新协议规定，银行采用内部评级系统 必须满足一定条件，并经过监管部门审查和批准。监管部门还应对银行内部评 级系统实行经常性检查，以保证银行内部评级系统符合巴塞尔协议的技术要 求，具体包括以下几方面内容： 1 构建信用风险定量评估体系三个基本要点是：为了实现细化信用风险 等级、拥有至少两维的评级体系和保障能有层次、完整的进行风险评级。 2 数据要求巴塞尔资本协议为了不断完善评议法和检验结果，要求凡是 使用内部评议法的银行将评级过的客户历史数据资料进行保留，即要求使用不 少于五年的客户数据进行评估和检验违约率的银行才能使用基本内部评议法和 使用七年以上客户数据来评估违约率的银行才能运用高级评估法。 3 升级、验证和维护体系为了保证体系的正确性和时效性，银行要时常 对体系进行升级、验证和体系程序的标准化评估。 4 独立的风险评级或评审机制巴塞尔委员会要求银行各项评级的确定都 必须经过独立的评审并负责确定。确切地说，风险评级需要银行建立完善的操 作流程和组织体系，以保证内部评级的独立性和公正性b 1 。 近年来，个人信贷业务在我国迅速上升。然而信贷业务在给个人带来方 便，给银行带来效益的同时，也给银行带来了暗藏的风险。虽然我国商业银行 哈尔滨理工大学管理学硕士学位论文 对所面临的风险的认识程度和信用风险评估方法有所提高，同时监管部门的监 管水平也有了较大程度的提高，但对商业银行所面临的信用、操作和市场这三 大主要风险的研究和实践在我国尚处于摸索阶段n 1 。个人信用是市场经济的基 础，没有个人信用，市场经济便失去了坚实基础。银行贷款信用问题已经成为 关系到国家、银行、社会及个人的迫不及待需要解决的关键问题。 1 2 研究目的和意义 本文目的在于提出一种有效的解决方案解决当前商业银行在个人消费信贷 决策中存在的瓶颈，在有效控制个人消费信贷业务领域的信用风险的同时，提 高决策准确度及决策效率。本文目的是建立一个基于决策树法的商业银行个人 信用风险评估体系，辅助商业银行信贷决策与风险管理。 由于住房贷款信用风险评估在我国发展目前尚处于初期阶段，信用风险评 估、管理方面的经验和方法较为缺乏，因而对个人信用风险的评估、监管体系 的研究具有很重要的现实意义。 1 3 国内外研究现状 1 3 1 国外研究现状 自从第二次世界大战以来，信用危机一直是伴随周期性生产过剩危机产 生的，并且越加趋于复杂性、严重性、全球性。学者们开始了关于个人住房贷 款信用风险的研究。而且由于国外开办的时间长，目前个人住房贷款一级市场 发育已经十分的成熟，已成为金融领域中的一个极为重要的组成部分。现阶段 国外学者在个人住房贷款信用风险及其评估这一领域的研究卓有建树，研究的 趋势和角度主要集中在以下二方面：个人住房贷款信用风险研究和个人信用风 险评估研究1 。下面本文将按照研究方法的不同依次对国外的研究进行回顾。 1 个人住房贷款信用风险研究s a n c h e z 和d e n g ( 1 9 9 9 ) 选择了贷款特征和 当地的经济特征来预测和计算违约的信用风险概率以及可能招致的损失口1 。 f o l h a n ，h u a n g ( 1 9 9 9 ) 在其模型中除考虑了上述一些变量外，还包含了贷款期 限、区域、人口和经济变量来共同解释出现违约这一信用风险的情况膪1 。 w i l s o n ( 1 9 9 5 ) 应用1 9 9 2 - 1 9 9 5 年加利福尼亚的数据估计了损失函数。他们发 现，驱使违约的主要动因是房价的变化，之后才是贷款特征、l t v 、资产类 型、贷款规模和地区等因素旧1 。 r o b e r t ( 2 0 0 1 ) 研究了邻居特征对个人住房贷款违约的信用风险的影响。该 哈尔滨理工大学管理学硕士学位论文 研究调查了邻居特征对f h a ( 联邦住宅管理署) 抵押贷款违约的信用风险的影 响，调查中同时包括了邻居特征、抵押贷款特征和借款人的特征。通过变量控 制，从而将邻居的影响从其它变量中分离出来。该研究试图辨别邻居的种族、 收入对住房抵押贷款借款人信誉的影响。研究邻居特征对个人住房贷款违约的 信用风险的影响主要依据的是历史信贷数据。该研究发现低收入区域和黑人聚 集较多的区域个人住房贷款违约率较高。该研究还分析了某地区较高的违约率 和邻居以前违约记录对借款人获得抵押贷款难易( 用融资概率衡量) 的影响n 引。 s a n t o s s i l v a ( 2 0 0 0 ) 利用借款人的特征变量如月付款额与月收入比率来预测违约 的信用风险1 。除上述一些文献外，还有部分文献从更广泛的角度对个人住房 贷款的风险进行研究。v a n o r d e r ( 2 0 0 0 ) 应用时间序列损失数据研究了“社区再 投资法 的影响效果，其主要目的是研究低收入区域获得相对较少的贷款是不 是因为市场的失灵或是因为风险差异的存在n 引。c u n n i n g h a m 结合住宅价格的 随机行走过程和确定性期限结构在排除提前还款条件下，分析了违约价值n 3 1 。 2 个人信用风险评估研究9 0 年代之前，d u r a n d 第一个将判别分析方法 用于信用风险评估，他发现用这种方法能够很好地预测贷款的偿还情况n 引。自 此以后，这一方法在学术界及金融界都得到了广泛的讨论与应用。w i l i i a m f a i r 和e a r l l s a a c s 利用判别分析法建立了一个信用风险评估系统“引。o r g l e r 将线性 回归分析用于商业贷款的信用风险评估。o r g l e r 利用线性回归分析设计了一个 评价未偿还贷款的评分卡n6 | ，而不是用于对申请者的信用风险进行评估。其他 的关于将线性回归方法用于信用风险评估的研究有l u c a s 及h e n l e y 。与判别分 析方法相同，线性回归方法也要求变量服从正态分布，这影响了该方法的适用 性。w i g i n i o n 第一个将l o g i s t i c 回归模型应用于信用风险评估，他将该方法与 判别分析方法进行了比较，发现虽然l o g i s t i c 回归在分类上好于判别分析方 法，但两种结果都不是足够好n 引。 3 决策树方法9 0 年代以来，r e s e a r c ho nr o u g hs e ta n dd e c i s i o nt r e e m e t h o da p p l i c a t i o ni ne v a l u a t i o no fs o i lf e a i l i t yl e v e 得出决策树归纳法根据数 据的值，把数据分层组织成树型结构，即用树型结构来表示决策集合，这些决 策集合通过对数据集的分类产生规则。在决策树中每一个分枝代表一个子类， 树的每一层代表一个概念。常用的分类方法有分类回归树( c a r t ) 及卡方自动 交互探测法( c h i a l o ) n 引。o l a r u c 和w e h e n k e l l 就提出了一种新的模糊决策树 方法。这种方法综合决策树的生成和修剪来决定其本身的结构，并利用重修 ( r e f i t t i n g ) 和磨合( b a c k f i t t i n g ) 来提高树的归纳能力，使得这种方法的正确率要 高于一般的决策树“9 1 。m a k o w s k i 最早将决策树法用于信用风险评估的研究。 哈尔滨理工大学管理学硕士学位论文 决策树方法，也叫递归分割法，该方法不像传统方法那样通过判别函数形成决 策规则来判别样本所属的类型，而是用一种分割方法，将原始样本集递归分割 成不相交的子集，目的是使期望损失达到最小。c o f f m a n 将决策树方法与判别 分析方法进行了比较，发现当变量存在相关性时，决策树法的表现较好心0 | 。由 于非线性和允许变量之间的相关，决策树方法优于简单的线性模型。 进入2 1 世纪以来，c h a t t e r j e e 和b a r c u n 首次决策树法用于消费信贷的客户 分类。它的思想很简单，把贷款客户分为两类，当一个新申请者加入时，将他 与他最近邻的贷款客户归为同一类心。h a n d 利用家庭贷款的数据对最近邻法 与决策树进行了比较。利用一家大型邮购公司的数据对最近邻法作了详尽的研 究，特别是最近邻法的定义和最近邻的数目选择。最近邻法在信用风险评估中 的应用有着非常吸引人的特点。但是实践中最近邻法并没有得到广泛的应用， 原因之一是评分过程中的数据量和计算量都十分大，并且最近邻法在分类不当 时错判比例较高，而不得不利用提高最近邻数的方法进行补救砼2 。 1 3 2 国内研究现状 国内学者对于这方面的研究主要是近几年为了适应个人住房贷款风险而展 开的，通过对仿真数据以及周边市场数据的研究，给我国控制个人住房贷款风 险提供了数据支持。 1 个人住房贷款信用风险微观特征研究个人住房贷款风险微观特征研究 主要集中在三个维度上：融资风险维度、财产风险维度和借款人风险维度皿引。 2 个人信用风险分析黄小彪、黄曼慧认为，如果银行和借款人完全理 性，则银行与借款人间的行为是一种非对称信息的博弈，自然会产生逆向选择 和道德风险心引。方峰等( 2 0 0 4 ) 对个人住房贷款和个人征信体系进行研究，他们 认为对各银行借款者进行联网构建个人征信体系能有效的防范信用风险心引。 3 信用风险评估研究徐佳娜，西宝( 2 0 0 4 ) 将人工神经网络信用风险评估 技术与层次分析法相结合，建立了商业银行信用风险评估a h p a n n 模型，并 进行了可行性论证。结果表明，改进的a h p a n n 模型在输入指标体系简化、 输出指标衡量和模型运行效率等方面均有一定程度的改善晗引。张永娟等人则针 对影响信用风险的各种决定因素，提出了信用风险程度的多层次模糊评判模 型。同时通过离散度对模糊判别分析模型进行修正，使得判别结果能更准确反 映真实的信用风险状况他7 | 。 4 决策树方法巩固和张虹认为决策树可以从根节点到叶节点的一条路径 就对应着一条合取规则，整个决策树就对应着一组析取表达式规则比引；该规则 4 哈尔滨理工大学管理学硕士学位论文 在预测能力、鲁棒性和计算效率方面都取得了满意结果，并优于判别分析和 g p 等模型。方炜炜，胡健，杨炳儒，周长胜等人将决策树重新构造成一个多 层的神经网络。这种由决策树转化而成的神经网络具有加快神经网络训练速度 等优点心引。 国外对个人住房贷款的信用风险及其评估的研究己经相当成熟。而由于个 人住房贷款在我国发展目前尚处于初期阶段。因此当前结合我国实际加强个人 住房贷款信用风险评估问题的研究具有重要的现实意义。 1 4 主要研究内容与研究方法 1 4 1 主要研究内容 本文首先简单阐述了选题的背景和意义，重点回顾了国内外关于个人住房 贷款信用风险评估方法的研究成果，并对相关文献进行了评论。其次本文针对 银行房贷信用风险的特征、产生的原因和信用风险评估中存在的问题，得出影 响房贷信用风险的宏观因素和微观因素。根据主要的影响因数设计指标体系， 利用c l e m e n t i n e 软件和人工神经网络辅助指标的选取工作，依据选取的指标体 系构建决策树模型，之后分析决策树模型的评估步骤。选取a 银行为实证对 象，对建立的模型进行实证检验，得到相应的结论，并根据结论得出银行放贷 者对客户是否发放住房贷款提供决策依据。在此基础上，提出降低房贷信用风 险的策略。 1 4 2 研究方法 本文借鉴国内外研究个人住房贷款的信用风险评估与决策树算法之间关系 的相关理论和方法，选取了某城市银行的个人住房贷款客户数据作为研究对 象，分析其在应用决策树算法对个人住房贷款风险的评估，从而根据实证结果 来提出相关的政策建议。在研究过程中，本文主要是对指标体系的选取，据此 建立决策树模型。 1 规范研究和实证研究相结合的方法信用风险的概况研究、国内外研究 现状决策树算法的研究等方面采用规范分析法；并运用实证研究的方法对有关 的规范研究结果的实用性和可操作性进行检验。 2 理论和实践相结合的研究方法在本文对现有理论的研究基础上，结合 我国实际情况进行模型修正，将理论研究结果应用于案例银行。 3 比较分析的研究方法研究我国商业银行目前采用的个人住房贷款信用 哈尔滨理工大学管理学硕士学位论文 风险评估方法，并进行比较，得出目前使用的方法存在的弊端和决策树算法的 优势，指出我国迫切需要建立合适的现代个人住房贷款信用风险评估模型。 1 4 3 技术路线 本文的技术路线如图卜1 所示。 绪论 研究背景 r 决策树法和房贷信用风险评估概述 决策树算法概述房贷信用风险评估概述 ， ，r 房贷信用风险评估决策树模型的构建 1， 二构建模型 l 实证分析 选取a 银行 银行房贷信用风险 评估 、-一 一 1 降低房贷信用风险的策略 图1 1 技术路线图 f i g u r e1 1t h et e c h n i c a lr o u t e 哈尔滨理工大学管理学硕士学位论文 第2 章决策树算法和房贷信用风险评估概述 2 1 决策树算法概述 决策树算法( d e c i s i o nt r e ea l g o r i t h m ，d t a ) 主要是通过分类的方法对数 据进行处理，并运用归纳算法生成决策树并进行修剪后，进一步生成可读规 则，在此基础上对新数据进行深层分析。也就是说，决策树算法本质上是一种 对数据进行分类的过程，其核心是如何构造出精度高、规模小的决策树旧引。 决策树的构造可以分两步进行。第一步，生成决策树。该步骤的主要任务 是通过样本数据集生成决策树。这里的样本数据集需要符合三个基本条件：有 历史数据；有一定综合程度；可以用于数据分析处理。第二步，修剪决策树。 该步骤的主要任务是对上一步中生成的决策树进行检验和修剪，且主要是运用 测试数据集新的样本数据集中的数据对决策树生成过程中产生的初步规则 进行校验，同时将影响预测准确性的分析修剪掉，其中初步规则是指： ( 1 ) 树以代表样本数据的单个结点为起始结点； ( 2 ) 若样本数据同属一个类，则其对应结点成为树叶，并以该类标记； ( 3 ) 若样本数据不同属一个类，则选择最佳属性作为当前决策结点； ( 4 ) 根据决策结点属性的取值不同，对样本数据集进行分类，分为若干 子集，根据不同的取值形成不同的分枝，接下来可以针对以上得到的每个子 集，重复以上步骤，递归形成每个划分样本上的决策树，当一个属性在一个结 点上出现时，即不必再考虑该结点的任何后代： ( 5 ) 进行递归时需注意，当满足下列条件之一时递归停止：给定结点的 所有样本同属一类；在没有多余的属性的情况下，仍然可以用来进一步划分样 本，也就是在这种情况下，采取多数表决的方式，将给定的结点转换成树叶， 并以样本中元组个数最多的类别作为类别标记，同时也可以存放该结点样本的 类别分布；如果某一分枝的样本数据缺失，则以样本的多数类创建一个树叶， 不影响最后的总体结论b 。 2 2 房贷信用风险概述 2 2 1 房贷信用风险的内涵 信用风险( c r e d i c tr i s k ，c r ) 产生于信用活动过程中，主要指因交易对手 不能履行约定而可能带来经济损失的风险。狭义上来讲，信用风险( c r ) 通 哈尔滨理工大学管理学硕士学位论文 常仅指信贷风险，即因借款人不能偿还到期贷款而给相关权益人造成潜在经济 损失的风险；广义上来讲，信用风险( c r ) 并不仅指金融机构的借贷关系， 它包括在一切信用活动中所发生的因交易一方不能履行约定而给另一方造成潜 在损失的风险。住房抵押贷款指的是借款人以其所拥有的房屋或地产向银行等 机构或权益人抵押，以房屋总价的一定比例向其申请贷款，并承诺在约定期限 内偿还借款本金和利息的一种贷款方式。由住房抵押贷款的定义我们可以得 知，住房抵押贷款的信用风险的含义是因借款人不能按期偿还银行等机构贷或 权益人的本金和利息，而使商业银行等机构或权益人的信贷资产遭受损失的可 能性阳引。 2 2 2 房贷信用风险的成因 我们知道，虽然产生住房抵押贷款的信用风险的原因有很多方面，但不结 果都是相同的，那就是最终使得银行等机构或权益人的信贷资产蒙受损失。下 面我们对导致住房抵押贷款信用风险的原因进行归纳，一中从整体上对产生原 因进行两方面归纳，二是从我国的具体情况入手对产生原因进行归纳。首先从 整体上阐述产生原因如下： 第一，近年的经济危机对房地产市场造成了巨大的影响，也直接导致了房 屋价值的持续猛跌，同时也极大地转变了购房者的观念，主要表现在两个方 面：以投资为目的的购房者开始选择等待，待到价格下跌到一定程度，亦即交 易成本上升到一定程度之后再进行购买，这就直接导致了违约行为的发生；以 消费为目的的购房者开始积极寻求价格急剧下跌的房屋，因此开始停止支付按 揭贷款，这也直接导致了违约行为的发生。 第二，近几年，在房地产行业如火如荼发展地同时，房地产的开发建设过 程中的问题也层出不穷，例如，房产延期开发、房产终止开发、房屋开发质量 不达标准或出现漏洞、房产开发不合乎购房者要求或不合乎事先约定等等，这 些问题都会直接或间接导致购房者因能能如期拿到住房而产生违约行为。 这是从整体上对住房抵押贷款信用风险的产生原因进行的归纳，而针对我 国的特殊情况，还需要对住房抵押借款信用风险的产生原因进行具体分析。随 着市场经济的逐步发展，我国的经济环境逐步走向开放化和自由化，住房抵押 贷款也随之步入风险暴露期，尤其在近几年来，我国政府实施了一系列调控措 施来控制房地产价格过快增长，例如，提高首付比例、贷款利率等。然而，这 些措施的成功实施虽然有效遏制了房地产价格的过快增长趋势，但也导致了我 国房贷违约率的持续增长。综合以上论述，我们可以从以下两方面来归纳我国 哈尔滨理工大学管理学硕士学位论文 的住房抵押贷款信用风险的产生原因： 第一，购房者的被动违约，主要指购房者因自然因素、生理因素或社会经 济等因素使得其收入水平急剧下降或突发下降，因而不能按照约定偿还贷款而 所发生的违约行为。例如，因疾病、下岗或其他意外事故而使得借款人收入锐 减发生的违约行为即属于被动违约。 第二，购房者的主动违约，表现在两个方面，一方面是指购房者因其自身 品行不佳，为牟取暴利而产生的违约行为，例如，有些购房者采用不正当的手 段将不具有担保资格的住房作为抵押物；另一方面是指，当违约行为所带来的 经济利益大于其带来的损失时，购房者为获得经济利益而发生的违约行为阳引。 2 2 3 房贷信用风险的特征 房贷信用风险的特征主要表现在以下三方面： 第一，客观性。住房抵押贷款的信用风险作是伴随着信用关系发生的，而 在信用关系中的借贷双方，由于面临着各种不确定性，住房抵押贷款的期限越 长，其风险就会越大。因此，这些不确定性导致了住房抵押贷款信用风险其客 观存在性们。 第二，滞后性。房贷信用风险的滞后性主要由住房贷款的期限所致，一般 来讲，住房抵押贷款的期限范围为2 0 至3 0 年，这就使得在贷款期初，风险并 不容易被识别和发现，故而导致了房贷信用风险的滞后性特点。另外，按照惯 例，每笔住房抵押贷款在其风险暴露期之前，若外部环境无剧烈变化，房贷信 用风险一直会处于潜伏状态。 第三，可控性。以上己提到住房抵押贷款的信用风险具有客观性和滞后性 的特点，而滞后性的特点会导致其不易被提早发现，这就导致了房贷信用风险 的不可控性。不过从实务方面来看，我们可以借助v a r 法等测试方法来预测 和测量房贷信用风险，也可借助计提风险准备金、资产证券化等手段来规避和 化解信用风险，因此房贷信用风险又是可控的旧5 1 。 第四，外部性。从本质上来讲，住房抵押贷款是金融机构的一种金融商 品，因此它具有一般金融商品的共性外部性，主要表现在，当住房抵押贷 款信用风险大规模同时发生时，会导致一系列地外部连锁影响，从对发放贷款 的金融机构资产安全或经营收益的影响，到对广大储户和投资者利益的影响， 将借款人的违约行为导致的住房贷款信用风险通过金融机构传播扩散到外部环 境中，进而对整个经济社会的健康发展造成威胁。此外，由于借款人分布极为 广泛，也极为分散，这也将使得住房贷款的信用风险具有极强的扩散性，进而 也就导致了住房贷款具有了更强的外部效应。 2 3 房贷信用风险评估现状分析 2 3 1 房贷信用风险的评估方法 由于住房抵押贷款关乎银行等金融机构的资产安全和经营收益情况，因此 贷款申请者的资信评估是金融机构重点关注的问题。所以作为贷款发放方，银 行等金融机构首先要严格依据评估标准来判定贷款申请者能否按期偿还，而作 为贷款申请方，贷款申请者也应预告根据金融机构的评估标准来判定自己是否 符合要求。信用风险评估的目的是要区分出“好”客户和“坏”客户，这就需 要根据信用风险的影响因素设计相应指标，并在此基础上建立模型，以预测贷 款申请人的信用行为，进而控制房贷信用风险。当然，在预测的同时，我们应 尽量提高预测精度，因为即使预测精度只提高一点点，信贷机构相应的损失也 会减少很多。因此，房贷信用风险评估和预测开始成为热门研究，数据挖掘技 术中的神经网络技术和决策树算法开始用于房贷信用风险评估和预测，这也就 使得大量的分类技术开始应用于信用评分领域1 。本文亦是以分类技术的思想 为基础，通过归纳房贷信用风险的主要影响因素来设计相应指标，以建立相关 模型，并利用模型对房贷客户的信用行为进行预测。 2 3 2 房贷