[[alternative]]A comparison of different credit risk scorecards for personal loans

碩士[[abstract]]本研究主要是利用資料採礦中的支持向量機，來建構個人信貸信用風險評分卡模型。目前較常被使用來建立信用風險評分卡模型的方法為邏輯斯迴歸，雖然資料採礦在使用上很方便而且限制不多，但實務上卻較少被使用來建立信用風險評分卡模型，其主要原因為支持向量機模型所選取變數之經濟意涵常不易被解釋。為了探究支持向量機模型是否能提供另一個信用風險評分卡模型的較佳選擇，本研究除了先以該銀行所提供的所有變數為考量的情況下進行模式建構，另外再分別以證據權數(weight of evidence, WOE)/訊息值(information value,IV)、逐步選取法、刪除異常變數、相關係數等四種方法來選取變數，並將這五種篩選出的變數組合分別套用在邏輯斯迴歸及支持向量機模型中；另外在支持向量機模型中，本研究所採用分割資料的核函數(kernel functions)分別有線性(linear)、多項式(polynomial)、放射(radial basis function, RBF) 和S型(sigmoid)等四種，期望能從以上所搭配出的這二十五種模型中，找到較適合且能合理解釋的信用風險評分卡模型。至於本研究採用評估各模型優劣的準則有正確率(accuracy rate)、AUROC(area under the receiver operating characteristic)、吉尼(gini)係數、穩定度分析指標(population stability index, PSI)及交叉驗證(cross-validation)。本研究實證結果顯示，支持向量機模型中採用放射核函數的方法為最佳，其正確率為最高，而AUROC、吉尼係數雖然並非為最高，但其值跟最高的邏輯斯迴歸相差並不大，因此本研究建議先以此法為分類之優先選擇。[[abstract]]The main purpose of the research is to build a credit scoring model for personal loans with a data mining approach based on support vector machines (SVM). Though the logistic regression model is more commonly adopted by the credit card industry due to its easier explanation feature in credit scoring, SVM are more accurate in applicants’ classification problems pointed out in recent literature. Hence this research intends to apply SVM incorporating the features selected from 4 different criteria and suggests a better model for the credit scoring problems. The feature selection criteria includes the original variables provided by the credit card department in Taiwan financial holding company, the stepwise procedure through the logistic regression model, weight of evidence/ information value, abnormal deletion and correlation coefficients. In addition, 4 different kernel functions- linear, polynomial, radial basis function and sigmoid, are adopted in SVM to find the optimal hyperplane. To evaluate the performance of SVM, we compare them with naïve logistic regression along with the aforementioned 5 different feature combinations. Besides, population stability index and cross-validation are used to check the model fitness of the aforementioned 5 naïve logistic regression models and 20 SVM, respectively. The empirical results show that SVM with radial basis function performs more or less about the same as the naïve logistic regression models in term of area under the receiver operating characteristic, equivalently, and gini coefficient. However, it outperforms the rest 24 models in terms of accuracy rate. Therefore, SVM with radial basis function is recommended.[[tableofcontents]]目錄 第 一 章 緒論 .................................. 1 1.1 研究背景與動機 ..............................1 1.2 研究動機與目的 ..............................3 1.3 研究架構與流程 ............................. 4 1.4 研究限制 ................................... 6 第 二 章 文獻探討 .............................. 7 2.1 信用風險評分卡相關模型 ..................... 7 2.2 邏輯斯迴歸模型 ............................. 11 2.3 支持向量機模型 ............................. 13 第 三 章 研究方法 .............................. 18 3.1 客戶好壞定義 ............................... 18 3.2 樣本區隔及樣本抽樣 ......................... 19 3.3 變數形成、分組與篩選變數 ................... 20 3.3.1 證據權數 ..................................21 3.3.2 訊息值 ....................................23 3.4 信用風險評分卡相關模型 ..................... 26 3.4.1 邏輯斯迴歸模型 ........................... 26 3.4.2 支持向量機模型 ........................... 32 3.5 信用評分分數 ............................... 40 3.6 模型驗證 ................................... 43 3.6.1 正確率 ....................................43 3.6.2 AUROC指標 .................................45 3.6.3 吉尼係數 ..................................52 3.6.4 穩定度分析指標 ............................52 3.6.5 交叉驗證 ..................................54 第 四 章 實證分析 .............................. 55 4.1 資料來源及說明 ............................. 55 4.2 信用風險評分卡建模流程 ..................... 56 4.3 實證結果 ................................... 76 第 五 章 結論與建議 ............................ 82 參考文獻.........................................84 表目錄 表2.1相關文獻之研究彙整表 ...............................................................11 表2.2相關文獻之研究彙整表 ...............................................................13 表2.3相關文獻之研究彙整表 ...............................................................17 表3.1訊息值之經驗法則 .......................................................................25 表3.2不同屬性及其信用評分範例 .......................................................40 表3.3次數分類表....................................................................................44 表3.4四種評分模型可能分類的結果 ...................................................47 表3.5模型的區別能力 ...........................................................................51 表3.6模型的區別能力 ...........................................................................52 表4.1卡齡違約與非違約分布狀況 .......................................................58 表4.2是否於9803月為循環戶違約與非違約分布狀況 .....................59 表4.3是否於9803月為有效戶違約與非違約分布狀況 .....................60 表4.4信用卡額度違約與非違約分布狀況 ...........................................61 表4.5 9803月餘額違約與非違約分布狀況 ..........................................62 表4.6 9803月額度使用率違約與非違約分布狀況 ..............................63 表4.7性別違約與非違約分布狀況 .......................................................63 表4.8年齡違約與非違約分布狀況 .......................................................64 表4.9婚姻違約與非違約分布狀況 .......................................................65 表4.10教育程度違約與非違約分布狀況 .............................................66 表4.11居住狀況違約與非違約分布狀況 .............................................67 表4.12年收入違約與非違約分布狀況 .................................................68 表4.13職業違約與非違約分布狀況 .....................................................70 表4.14變數之訊息值及與近一年逾期次數之相關係數 .....................72 表4.15勝算比估計表 .............................................................................73 表4.16五種變數組合彙整表 .................................................................74 表4.17四種支持向量機方法之參數設定 .............................................76 表4.18五種模型方法五種變數組合結果比較 .....................................77 表4.19邏輯斯迴歸方法下五種變數組合之穩定度分析指標值 .........79 表4.20五次交叉驗證結果 .....................................................................80 圖目錄 圖1.1本文的研究架構圖 ......................................................................... 5 圖3.1邏輯斯函數的曲線圖 ...................................................................29 圖3.2最佳化區分超帄面 .......................................................................34 圖3.3最大邊界圖....................................................................................35 圖3.4輸入空間與高維度特性空間之對應關係 ...................................38 圖3.5好客戶與壞客戶之機率分配與截斷點C之關係圖 ..................48 圖3.6 ROC曲線 ......................................................................................50 圖3.7穩定度分析指標示意圖 ...............................................................53 圖4.1卡齡違約與非違約分布狀況 .......................................................58 圖4.2是否於9803月為循環戶違約與非違約分布狀況 .....................59 圖4.3是否於9803月為有效戶違約與非違約分布狀況 .....................60 圖4.4信用卡額度違約與非違約分布狀況 ...........................................61 圖4.5 9803月餘額違約與非違約分布狀況 ..........................................62 圖4.6 9803月額度使用率違約與非違約分布狀況 ..............................63 圖4.7性別違約與非違約分布狀況 .......................................................64 圖4.8年齡違約與非違約分布狀況 .......................................................65 圖4.9婚姻違約與非違約分布狀況 .......................................................66 圖4.10教育程度違約與非違約分布狀況 .............................................67 圖4.11居住狀況違約與非違約分布狀況 .............................................68 圖4.12年收入違約與非違約分布狀況 .................................................69 圖4.13職業違約與非違約分布狀況 .....................................................70 圖4.14職業違約與非違約分布狀況 .....................................................71 圖4.15 AUROC在五種變數組合下之比較 ..........................................78 圖4.16吉尼係數在五種變數組合下之比較 .........................................78 圖4.17正確率在五種變數組合下之比較 .............................................79 圖4.18帄均正確率在五種變數組合下之比較 .....................................81[[note]]學號: 697650082, 學年度: 9