银行信贷资格审核机制的机器化学习模型设计*

唐春兰

(内江师范学院，四川内江 641112)

0 引言

从银行改革信贷制度开始，在信贷业务中建立“一级审批”机制。若想实现推行贷款全审批制度，就要实现审贷分离[1]。但是市场发展很快，在竞争日趋激烈的商业银行中，信贷业务发展迅速[2]。在我国现行商业银行信贷审批制度的实际运行过程中，逐渐暴露出其弊端。在以往研究中，主要是在经济新常态背景下，估算银行企业贷款风险影响因素，建立直接风险评估与预警模型。尽管该方法可以更精确地评估信贷风险，但它的缺点是需要大量可靠历史统计数据作为基础[3]。在面对新的授信申请人时，由于客户信用历史数据缺乏，所以使用上述审核机制决策科学化程度大大降低。在新客户缺乏信用历史数据情况下，选择优质客户，降低不良贷款率，合理配置资金资源成为银行信用评级机制的一种机械化学习模式设计。在长期运营过程中，传统商业银行积累了大量的用户资源和用户信息。这一资源和信息有效利用，对商业银行产品开发将有很大帮助。但目前商业银行在分析和处理客户信息以及利用大数据技术方面存在着一定技术障碍。鉴于此，提出了银行信贷资格审核机制的机器化学习模型设计。

1 机器化学习模型构建

1.1 客户信息处理

采用机器学习方法时，首先要确定样本空间，定义边界条件，以保证科学研究水平的科学与有效。在机器学习中，这些条件可用于确保数据完整性。高效分析窗口是收集待分析数据时间窗口，其选取标准为连续一个时间段历史数据[5]。目前网络金融迅猛发展，对商业银行产生了冲击。商业银行产品开发战略也必须考虑到这一因素[6]。所以，在机器学习中样本对象选择方面，采用下列标准客户信息处理方案：

(1)2013年12月以后开户对象不在统计范围。

(2)客户信息不完整，例如年轻人、工作单位等，不在统计中。

(3)排除两个月以上没有办理金融业务的账户，即在两个月内没有存款、取款或其他业务的账户，或在账户余额不超过100元的账户，以确保参与机器学习样本的有效性。

(4)资料经过平均处理。举例来说，单个用户的账户余额使用平均余额表示账户余额的保持量。它也包括月平均存款、月平均偿还贷款和欠款余额，这种处理方法可以避免短期的客户操作对机器学习的影响。

1.2 信息筛选与分类

建立模型数据时，将数据源分为以下三个方面：

(1)原始数据库。该模型能够存储用户信息原始数据，为员工画像算法提供数据基础，能够对用户个人信息和信任信息进行统计，构建完整用户评价模型。为了保证模型计算有效性，在建立系统之前，首先需要规划和设计数据库。

(2)建立数据库。数据库架构规划完成后，需要通过收集具体信息来构建整个数据库。经过初步数据收集和处理，需要进一步补充有关数据资料，丰富数据库资料储备。建立数据库时，要充分考虑数据转换环节效率，数据转换太多会影响系统运行效率，数据库还可以存储部分完整数据模型。

(3)补录数据。在数据库建设完成后，测试表明模型不能满足正常运行要求，需要更多来自不同渠道数据信息，以丰富数据库。

(4)数据核对。需要对所有需要收集和排序数据进行处理之后，检查数据内容。对不同数据源进行变量赋值后确定其属性，对重复字段精简，有效地降低了数据冗余，是数据验证的基本原则。

1.3 模型构建

基于上述标准，构建机器学习模型，如图1所示。

由图1可知，将机器学习与研究课题结合，应用于商业银行信贷风险分析。首先收集和组织顾客信息，该信息主要分为两类，分别是商业银行客户信息和客户服务信息。其中客户的基本信息包括客户名称、身份证号码、性别、年龄、联系方式、银行账户等；而客户服务信息包括资产服务、债务服务、中间服务和国际服务等历史数据。然后采用机器学习应用模型就是以这两种分类为基础，通过聚类分析，了解客户在商业银行中对金融服务使用情况；其次，在聚类分析基础上挖掘关联规则，考虑时间因素，探寻信用违约中不同类型客户特征，从而有针对性地进行风险控制。

基于上述模型，对银行信贷资格获取指标展开详细分析，如下所示：

(1)贷款类型：企业贷款申请风险要高于个人贷款申请，需要分类数据，这一指标无法单独区分企业贷款和个人贷款。商业性的理解是，个人用户应该被定义为消费贷款，而不是与公司有关的内容。

(2)每月偿还金额：

图1 机器学习模式

公式(1)中，money_new表示贷款金额； month_new表示偿还期限。

(3)偿还能力系数：

公式(2)中，salary表示薪水。

对于个人而言，偿还能力的大小与工资水平密切相关。在固定的月还款金额下，申请人的工资越高，还款能力越强，违约概率越低，贷款成功的可能性越大，由此建立一个新的还款能力可变系数，该指标越大，说明借款人的还款能力越强。就商业贷款而言，按工资计算的偿付能力明显低于按月净利润计算的。根据现有数据构建公司盈利属性是不可能的，而公司流动记录则是公司资金在银行中的公共和私有性质。银行交易总额与企业利润呈一定的线性关系，以银行周转率和月偿还额比率代替企业偿付能力系数。

2 基于机器化学习模型银行信贷资格审核机制优化

2.1 完善信贷风险管理组织体系

健全信用风险管理制度，可积极借鉴国外商业银行先进成熟的信用风险管理经验，全面推行纵向风险管理制度，以利于商业银行更好地开展业务，银行业价值观念的提升是银行业核心竞争力的保证。

同时，银监会还在《国有商业银行公司治理指引》中明确提出，要逐步建立纵向风险管理机制。然后借鉴国外先进风险管理经验，对我国现有的商业银行风险管理组织体系进行优化处理，并改变现有的分块管理模式，它采用纵向、纵向两条线的管理模式，与所设分支相对分离，一定程度上摆脱了所设层级的管理约束。信贷审批只是信贷业务基本操作流程的重要一环，而各级银行行长又肩负着业务操作和风险管理的双重责任，因此，必须在各级机构和地区建立风险防线。通过各个部门的沟通渠道，实现了风险防线双向报告制度。

2.2 整合信贷审批条件

落实并严格执行商业银行信贷要求，严格信贷标准，做好对贷款审批和监管工作，为确保信贷审批工作健康有序开展，优化审批机制奠定了基础。确定信贷审批条件，定期向上级决策机构汇报审批条件的执行情况；与此同时，对信贷审批条件实际执行情况严格监督，并由上级审批部门定期走访抽查。在面临复杂的审批流程链的情况下，要优化现有审批流程，避免业务流程不必要重复，有效提高审批效率，减少审批次数。

2.3 实行审批授权差别化管理

在竞争日趋激烈市场环境下，顾客对商业银行服务要求越来越高。现行审批授权方式越来越难以满足客户需求，难以有效提高审批信贷效率。因此，在授权管理方面，可借鉴国外商业银行先进经验，基于我国信贷业务的发展状况和风险控制水平，根据自身风险管理水平和审批现状，开展授信审批，逐步由目标明确单向审批转变为多元审批。

表1 不同方法审核结果对比分析

基于地区特点、机构类型、执行客户类型和信用产品类型的差异授权；在差异授权的基础上，引入“以人为本”管理思想，针对特定个人实施个性化授权。积极改革现代授权方式，完善基层商业银行内部管理体制，从“授权到机构”到“授权到个人”。唯有如此，信贷更有针对性，提高风险控制的敏感性，通过不同管理者对贷款不同控制能力，就提高贷款管理和决策效率。与此同时，个人授权可以有效地提高被授权人的人权责任感和风险意识，使审批方式更加灵活高效。

3 实验

为了验证银行信贷资格审核机制的机器化学习模型设计合理性，进行实验验证分析。

从辽宁省某行的银行信贷客户中，随机选择100人进行银行信贷资格审核，分别使用传统模型和机器化学习模型，对这100人审核结果进行对比分析，结果如表1所示。

由表1可知，使用机器化学习模型方法银行信贷资格审核通过的人数更多，由此可知，使用该方法效果较好。

4 结语

基于此，提出了一种基于机器的银行信用资格审查机制学习模型，既能进一步降低信贷风险，又能有效提高商业银行办理信贷业务的效率，增强市场竞争力。信贷审批机制的建立是一个复杂的系统工程。影响信贷审批流程的因素较多，审批机制难以优化；信用审核人员应结合实际工作经验，采用先进管理理念，信用审批机制的建立为商业银行信用机制的优化与完善提供了理论基础。