銀行金融機(jī)構(gòu)信用卡申請者審批風(fēng)險(xiǎn)管理問題的研究
摘 要
隨著國內(nèi)經(jīng)濟(jì)的飛速發(fā)展，銀行信用卡業(yè)務(wù)可謂是在社會(huì)當(dāng)中和民生息息相關(guān)。對于銀行來講，其作為一種極高的收益與風(fēng)險(xiǎn)并存的金融產(chǎn)品，已經(jīng)成為銀行所主要依賴的利潤增長點(diǎn)，因此文章以風(fēng)險(xiǎn)管理相關(guān)理論為依據(jù)，通過對不同風(fēng)險(xiǎn)類型的管理方法研究，從信用卡信用風(fēng)險(xiǎn)度量和實(shí)際應(yīng)用角度出發(fā)，使用專家判斷法和數(shù)據(jù)挖掘技術(shù)等方法，為A銀行信用卡新申請者審批風(fēng)險(xiǎn)管理提供決策依據(jù)。
文章主要對信用卡生命周期的征信審批環(huán)節(jié)中信用卡申請者的欺詐風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)進(jìn)行研究。其中，對于欺詐風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)，文章主要通過專家判斷法來深入研究規(guī)則優(yōu)化方法和操作風(fēng)險(xiǎn)全流程覆蓋的方法；而對于信用風(fēng)險(xiǎn)，主要是通過對信用評分模型進(jìn)行研究，以申請者自身屬性和部分征信系統(tǒng)數(shù)據(jù)為基礎(chǔ)，以logistic回歸分析方法，詳細(xì)闡述建立信用風(fēng)險(xiǎn)評分模型的完整的流程，建立一個(gè)基于A銀行實(shí)際的個(gè)人信用風(fēng)險(xiǎn)評分模型，并對模型進(jìn)行評估，再通過實(shí)際數(shù)據(jù)對模型進(jìn)行驗(yàn)證，建立模型的最佳形態(tài)。然后通過一系列管理手段建議來保障上述這些方法和模型能夠切實(shí)實(shí)施。
通過對A銀行信用卡新申請者審批風(fēng)險(xiǎn)管理的研究，可以將這些方法用到實(shí)際管理工作當(dāng)中，提高審批部門的風(fēng)險(xiǎn)管理水平，為實(shí)現(xiàn)信用卡中心管理層對審批部門風(fēng)險(xiǎn)管理的要求做出顯著貢獻(xiàn)。同時(shí)，也可以為存在同樣問題的同業(yè)提供借鑒，共同提升全行業(yè)的新申請者審批風(fēng)險(xiǎn)管理水平。
關(guān) 鍵 詞：信用卡；審批；風(fēng)險(xiǎn)管理；數(shù)據(jù)挖掘
ABSTRACT
During the domestic economy fast developing, the credit card business grows fast. As a kind of product which can bring banks high income and risk, credit card turns to be a very important growth point of profit. So, the risk management theory, the establishment of personal credit rating system model, the investigation to the domestic banking personal credit card business problem, through to the credit card risk measurement and control applications, the use of data mining development of credit scoring model, are all to provide the banking system with the decision on the approval of credit card risk management.
This article works for researching to the fraud risk, credit risk, and operational risk of credit card. To research the fraud risk and operational risk, we use the method of expert judgment, and to research the credit risk, we use the data mining. Basis on the credit data from credit system, using logistic method, according to the data mining step technology to solve these problems, to explore how to establish credit scoring model and its working process of bank A. Based on the model, analyzing from the modeling results, and the validating of the model with the actual data, try to find the best model. And then, issue the management and the communication with other department to make the solution of different kinds of risk work successfully.
From the analysis of management, we can find the solution of risk controlling at bank A’s credit card center. And other bank which has the similar problems can study from this article, to develop its level of management of risk controlling.
KEY WORDS: credit cards; underwriting; risk management; data mining
目 錄
1 緒論 1
1.1 研究背景 1
1.2 問題的提出 1
1.3 研究目的與意義 2
1.4 論文思路和框架結(jié)構(gòu) 3
1.4.1論文的主要工作 3
1.4.2 論文結(jié)構(gòu)介紹 3
2 理論基礎(chǔ)與文獻(xiàn)綜述 5
2.1 基本概念 5
2.2 信用卡風(fēng)險(xiǎn)管理相關(guān)理論 8
2.3 信用卡風(fēng)險(xiǎn)管理工具及方法 10
2.3.1 專家判斷法 10
2.3.2 數(shù)據(jù)挖掘技術(shù)概述 11
2.4 文獻(xiàn)綜述 15
3 A銀行信用卡發(fā)展概括及主要問題 18
3.1 A銀行發(fā)展概況 18
3.2 A銀行信用卡業(yè)務(wù)發(fā)展概況 18
3.3 A銀行信用卡新申請者審批主要問題與條件分析 19
3.3.1審批現(xiàn)狀及主要問題 19
3.3.2條件分析 21
4 A銀行信用卡新申請者審批風(fēng)險(xiǎn)管理問題解決方案 22
4.1欺詐風(fēng)險(xiǎn)管理問題解決方案 22
4.2信用風(fēng)險(xiǎn)管理問題解決方案 23
4.2.1確定目標(biāo) 23
4.2.2數(shù)據(jù)準(zhǔn)備 24
4.2.3模型建立 33
4.2.4結(jié)果解釋與評估 33
4.3 操作風(fēng)險(xiǎn)管理問題解決方案 36
5 管理措施和實(shí)施保障 37
5.1持續(xù)優(yōu)化欺詐風(fēng)險(xiǎn)防范策略 37
5.2信用評分模型的應(yīng)用和保障 38
5.3保證操作風(fēng)險(xiǎn)管理覆蓋全流程 40
6 結(jié)論與展望 42
6.1 結(jié)論 42
6.2 展望 42
致謝 43
參考文獻(xiàn) 44
聲明
CONTENTS
1 Introduction 1
1.1 Background 1
1.2 Main problem 1
1.3 Topic research goal and the significance 2
1.4 Main work and structure 3
1.4.1 The main work of the paper 3
1.4.2 Structure of the paper introduces 3
2 Theory and review of the literature 5
2.1 Basic concept 5
2.2 Theory of the risk management of credit card 8
2.3 Tools and method of the risk management of credit card 10
2.3.1 Experts judgment 10
2.3.2 Introduction to data mining technology 11
2.3.3 Main tool of data mining -- Introduction to Clementine 14
2.4 Review of the literature 15
3 The introduction of A bank and its credit card center and the main problems of CCC 18
3.1 Introduction to A bank 18
3.2 Introduction of A bank’s credit card center 18
3.3 The main problems of credit card underwriting and analysis of working condition 19
3.3.1 The main problems of credit card underwriting 19
3.3.2 Analysis of working condition 21
4 Solution of the problems of A bank’s credit card underwriting 22
4.1 Solution of fraud risk 22
4.2 Solution of credit risk 23
4.2.1 Target 23
4.2.2 Preparation of data 24
4.2.3 Foundation of model 33
4.2.4 Analysis of the result 33
4.3 Solution of operation risk 36
5 Management of working 37
5.1 How to make the solution of fraud risk working 37
5.2 How to make the solution of credit risk working 38
5.3 How to make the solution of operation risk working 40
6 The conclusion and prospect 42
6.1 Conclusions 42
6.2 Prospect 42
Acknowledgements 43
References 44
Declarations
1 緒論
1.1 研究背景
起源于西方的信用卡，為人們提供了一種特別的支付手段，目前已成為推動(dòng)經(jīng)濟(jì)發(fā)展，尤其是居民消費(fèi)部分的重要?jiǎng)恿χ�。我國信用卡業(yè)務(wù)快速迅猛發(fā)展基本始于2003年，此后經(jīng)歷了連續(xù)8年的“跑馬圈地”時(shí)期，直至2011年，這一速度才逐漸放緩。而從2011年開始，雖然有不少銀行紛紛開始對信用卡業(yè)務(wù)進(jìn)行衍生推廣和業(yè)務(wù)轉(zhuǎn)型，但發(fā)展速度仍保持較高水平。根據(jù)中國人民銀行官方公布的數(shù)據(jù)顯示，截至2013年第三季度末，我國信用卡發(fā)卡量已經(jīng)達(dá)到3.76億余張，信用卡授信總額達(dá)4.35萬億，貸款總額也高達(dá)1.70萬億人民幣。（中國人民銀行，《2013年第三季度支付體系運(yùn)行總體情況》，2013）。包括信用卡、住房貸款、汽車貸款、個(gè)人助學(xué)貸款、耐用消費(fèi)品貸款等在內(nèi)的各種消費(fèi)信貸品種為人們的生活提供了很多便利。
6 結(jié)論與展望
6.1 結(jié)論
綜上所述，文章根據(jù)A銀行信用卡新申請者審批風(fēng)險(xiǎn)管理當(dāng)中的風(fēng)險(xiǎn)管理欠缺情況進(jìn)行了一個(gè)考量，就風(fēng)險(xiǎn)上的細(xì)分通過專家評判法給出了管理建議，并通過數(shù)據(jù)挖掘技術(shù)及工具建立了一個(gè)完整的信用評分模型，據(jù)此能夠幫助銀行降低審批風(fēng)險(xiǎn)和提高相關(guān)業(yè)務(wù)能力，為銀行的發(fā)展提供了強(qiáng)有力的幫助。通過數(shù)據(jù)挖掘銀行能夠獲得詳細(xì)且完善的資料，在模型中可以較為精確的對客戶的質(zhì)量進(jìn)行細(xì)分，通過評分結(jié)果銀行能夠更好的將業(yè)務(wù)不斷的完善和進(jìn)行后續(xù)的相關(guān)工作。在對信用卡申請者的評分過程中，最為重要的數(shù)據(jù)便是客戶的核準(zhǔn)率水平，作為臨界值來講，可以據(jù)此有針對性的將客戶數(shù)據(jù)不斷的進(jìn)行調(diào)整和修正。因?yàn)閿?shù)據(jù)量選取的時(shí)間段有限，所以在結(jié)果上具備一定的片面性，和實(shí)際當(dāng)中的業(yè)務(wù)存在一定的偏差。但對于政策體系基本穩(wěn)定的A銀行來說，這一分析結(jié)果還是具有較強(qiáng)的應(yīng)用型的，有著指導(dǎo)業(yè)務(wù)的核心作用。
6.2 展望
隨著風(fēng)險(xiǎn)管理水平的不斷提升，以及數(shù)據(jù)挖掘技術(shù)和能力的不斷提高，銀行完全能夠?qū)⒏鞣N新的數(shù)據(jù)挖掘方法應(yīng)用到信用卡風(fēng)險(xiǎn)管理當(dāng)中，更為全面的進(jìn)行多方面的數(shù)據(jù)處理工作。本文所做的研究工作不僅可直接對A銀行信用卡新申請審批風(fēng)險(xiǎn)管理工作做出貢獻(xiàn)和幫助，也可以給有同樣問題的同業(yè)借鑒和參考。多樣化的風(fēng)險(xiǎn)管理計(jì)量方法應(yīng)用在信用卡信用風(fēng)險(xiǎn)管理是時(shí)代發(fā)展的必然。我國經(jīng)濟(jì)逐漸的步入成熟也使信用卡市場越來越趨向于規(guī)范化，信用卡相關(guān)的工作人員也越來越關(guān)注于評估各類風(fēng)險(xiǎn)，因此數(shù)據(jù)挖掘技術(shù)的應(yīng)用也成為了一種趨勢。對于信用模型的使用上來講主要是能夠在決策中起到輔助作用，在計(jì)算機(jī)技術(shù)的發(fā)展和統(tǒng)計(jì)科學(xué)的創(chuàng)新條件下信用卡的決策技術(shù)勢必會(huì)成為一種指導(dǎo)決策的工具。在未來的信用卡業(yè)務(wù)領(lǐng)域中，隨著客戶數(shù)據(jù)的全面化和即時(shí)化，評分模型將成為應(yīng)對綜合風(fēng)險(xiǎn)和提高利潤的全面工具。
參考文獻(xiàn)
[1] 中國人民銀行.2007年底我國信用卡應(yīng)償信貸余額750億元[DB/OL]. 2008,1,28.
[2] 中國銀行業(yè)監(jiān)督管理委員會(huì).中國銀行業(yè)改革開放與監(jiān)管的新進(jìn)展[DB/OL]. ,2005,12,23.
[3] (美)米歇爾•科羅赫等著，曾剛等譯．風(fēng)險(xiǎn)管理[M]．北京：中國財(cái)政經(jīng)濟(jì)出版社，2005．
[4] 郭從秀，胡蔚霞．信用卡業(yè)務(wù)快速發(fā)展中的風(fēng)險(xiǎn)管理[J]中國信用卡2007，(22)：31-33．
[5] 鐘楚男．個(gè)人信用征信制度[M].北京：科學(xué)技術(shù)出版社，2002.
[6] 韓家煒等.數(shù)據(jù)挖掘：概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2006：23-48.
[7] 蔡建森.數(shù)據(jù)挖掘技術(shù)在銀行信用卡業(yè)務(wù)中的應(yīng)用[D].廈門大學(xué)，2008.
[8] 彭小軍.轉(zhuǎn)型時(shí)期中國信用卡發(fā)展路徑探索[J].China Creid Card,2010,2:36-38.
本文編號：8248
本文鏈接：http://www.wukwdryxk.cn/jingjilunwen/huobiyinxinglunwen/8248.html
