基于Kmeans聚类算法的银行贷款风险管理分析.docx

1、基于 K-means 聚类算法的银行贷款风险管理分析 摘要：本文构建基于 K-means聚类算法的贷款风险管理框架。将银行贷款风险测算模型指标体系化，对我国银行中贷款风险的情况进行实地分析和总结，提出了基于 K-means 聚类算法的贷款风险预测方法。这种方法是将K-means 聚类算法与银行贷款风险测算管理结合起来，通过建立六个量化指标，在实践中建立银行贷款风险测算管理实用体系，解决了经济快速发展中的银行贷款量大规模增加带来的风险测算与管理工作繁杂问题，能有效期确保银行贷款的安全。 下载 关键词： K-means 聚类算法 指标 贷款风险 一、引 言 银行业具有典型的风险管理体系特征，其整体

2、管理能力和水平决定了银行经营决策和金融风险的高低。随着我国社会主义市场经济体制不断地完善，城镇化步伐在不断加快，各地房地产业蓬勃发展，国内各类房地产企业、买房人对资金的需求显得日益迫切，客观上对我国商业银行的资金供给能力提出了更高的要求，随之便产生了信贷评估要求，尤其是贷款风险评估方面，因为银行需要最大限度地降低和控制贷款风险。 国内关于商业银行贷款风险管理的理论研究起步于 20 世纪 80 年代末，进入 90 年代，有关商业银行贷款风险管理的研究论文和 著作正以前所未有的速度不断涌现，这些论文和著作在研究内容、研究范围还是研究方法上都日趋成熟。另外，近年有了一些更先进的模型和技术，比如基于风

3、险价值 VaR 的信用度量模型及 Credit Metrics 系统等。本文构建基于 K-means聚类算法的贷款风险管理框架。将银行贷款风险测算模型指标体系化，对银行贷款风险管理进行了创新，对银行贷款风险管理有一定的借鉴意义。 二、银行贷款风险评估指标体系构建（以邯郸工商银行为例） 在 2010 年春节前后，国家出台了房贷新政，同时自 2010 年 10 月 20 日至 2011 年 4 月 6 日四次上调人民币存贷款利率，这一系列紧缩政策对房贷市场产生了一定影响。以我市中国工商银行邯郸分行为例，首套房贷款已无利率优惠，银行已开始执行房贷二套房首付、利率为基准利率 1.1倍的新政策。目前工行

4、首套房贷首付为，且已无利率优惠政策，执行基准利率标准。二套房则执行标准利率的 1.1倍，首付从上调至以上。 在此背景下，银行的贷款存量应比以前大幅减少，但潜在风险仍应予以重视。我们应通过构建数学模型尽可能准确地予以评估，最大限度确保贷款资金的安全。一般来说，银行贷款的风险 主要来自于借款人的风险，尤其是借款人的财务（还款能力）风险。而借款人财务风险的大小又与借款人一定时期内的信用状况有着直接的联系。具体而言，银行信贷部门将贷款申请人以及其所在单位的发展前景，将贷款人的信用评价，收入状况，偿还贷款能力等条件输入评估系统，由系统对申请人进行打分，并根据已有的记录资料将申请人的风险评估结果和信用记录

5、提交给授贷人员，为其决策提供依据。 因此，借款人信用状况的分析是银行贷款风险管理的基础，也是贷款风险评估的主要内容。以我市个人房贷为参照，贷款风险评估一般涉及到以下六个因素（我 们以大量贷款业务回访方式获得）： 1、（借款人）工作不稳定性，反映借款人目前的工作情况及工作稳定程度，以在一定时间内职业变动次数及每变动一次的收入变化情况来衡量。如借款人一般可分为高级管理人员与高级专业技术人员、办公室一般工作人员、技术工人、体力劳动工人、临时工、城市农民工，无职业者、农业劳动者阶层等等。 显然，贷款人工作越不稳定，银行承受的贷款风险就越大。 2、（借款人）收入不稳定性。这也从另一个侧面反映借款人的职业

6、特点及素质。例如借款人是否公务员、工人、自由职业者、农民、 农民工，小商贩等等；是否属于城乡无业、失业、失地、待业、半失业人员阶层；是否就职事业单位、跨国公司（外资企业）、国有大型企业、中小型企业（公司）等等。 3、（借款人）家庭近期重大开支可能性，如家庭中子女上学、结婚、购房、旅游、家人住院、家庭成员失业等不可预知事件造成家庭开支骤然加大。 4、（借款人）已有延期还贷等级，借鉴贷款五级分类法，可分为次级、可疑、 损失等三个级别。每个等级按照严重程度不同又可分为低中高三个级别。 5、（借款人）个人及家庭最近信用等级，主要指家庭成员中个人的银行信用 ，包括各商业银行提供的个人贷款记录，信用卡使用

7、情况以及个人在银行发生的不良信用记录特别记录，主要有金融信息、包括个人账户的类型、数额、交易价格、付账习惯等。 6、（借款人）非经济方面变故可能性。 如借款人由于自然不可抗力而遭受损失，包括水灾、旱灾、 地震等各种自然灾害。还有社会的原因， 如政府更迭、战争 、罢工、 骚乱等，使借款人遭受重大损失的可能性。 据此我们设计出调查问卷，通过信息反馈、建立模型，银行发放个人贷款后对这些贷款人的还贷能力进行分析，从而确定出贷款人属于哪一类，并对其风险 等级进行测算。 三、评估模型描述 K-means 聚类算法是一种全新的科学、量化、实用的银行贷款风险管理分析算法。即将 K-means聚类算法引入银行贷

8、款风险管理中，形成针对银行贷款风险测算的分析模型，将二者有机的系统结合形成基于 K-means聚类算法的银行贷款风险管理体系。 K-means 聚类模型的推演过程如下： 设有 p 维空间中有 n 个因素，将 n 划分到 k 个分类中（ nk）， k 个聚类中心代表聚类结果，用表示。两个间的同质性可用 p维空间中两点的距离度量。令表示与其所属类的中心 间的距离函数。在满足有意义的前提下，依类内相关性最强、类间相关性最弱的原则，聚类目标函数为： 式中目标函数是每个分类中的所有样本点到该类的类中心的距离之和，值越小表明簇越紧凑，相对越独立。因此，算法通过不断迭代优化的取值来寻求最优的聚类方案。当取满

9、足相关意义的极小值时，对应的聚类方案就是最优方案。即： 此时类内各之间的相关性最强，类与类之间的相关性最弱。对求极小值的主要步骤如下： (1)根据不同情况的意义目的要求，初步确定代表性个数是。根据已有研究成果，通常初始数的取值为所有个 数的 30%-59%。 (2)选取初始聚类中心。首先从各中随机选择个作为初始数个聚类集合的类中心。 (3)距离计算。每一轮迭代中计算各分别到个类中心的距离。 (4)对分类。以为中心点进行集合划分，将各划分到和自身距离最近的类中组成簇新类。划分原则：若（其中），则首先考虑将划分到聚类集合中，但若与类中其它不存在意义上的相关性，则需遵循次优选择原则，即，将该归入距自

10、身距离次优且与其它在经济意义上相关的类中。 (5)计算新的个类中心。根据各聚类集合包含的，分别计算簇新类的平均 向量值作为新的类中心。聚类集合的类中心点为： 式中，；为聚类集合中成本动因个数，且。 (6)聚类停机原则。计算聚类目标函数的值，并进行判断：如果目标函数值（是迭代次数）小于，则令，返回（ 2）继续迭代；否则，终止迭代，将迭代得出的分类和个类中心作为最优分类和最优类中心。最后输出个聚类集合，以及个类中心。 (7)聚类后，选出各聚类中心的代表性，将该类中其它组合并列入该代表性，计算组合并列的误差度和计算精确度。 其中，表示合并前后第维数据的相对误差，表示维数。若误差度越接近于 0，精确度

11、越接近 1，合并后成本计算越准确；反之，说明合并后计算精确度越差。如果精确度没有达到预期要求，返回（ 1）并增加初始聚类中心个数；反之，则返回（ 1）并减少初始聚类中心个数。如此反复，直至最终达到满意的成本信息精确度。 1. 实地进行试验，将体系化的指标赋值，进行软件操作。 2. 将试验结果与实际情况及理论相结合组成系统的银行贷款风险管理新体系与新算法。 四、实证步骤 1、实验模型的建立和数据的提取 我们把上面提到的六个指标依次作为个人贷款 风险测度指标，每一个指标数据取值在 1-9之间，从 1开始到 9表示性质愈来严重，通过近两个月的采集数据，我们对工商银行邯郸分行在中华路营业厅 45 位个

12、人贷款客户回访，获得一批原始指标数据。 2、实验结果分析 我们运用 SPSS17.0软件对原始指标数据进行运算，并对样品类别的数据进行制图，如图 1 所示，从图中可以清晰看出每个样品对着的类别。 图 1 样品对应类别图 从图中可以看出： 第 1 类： 1、 3、 4、 5、 9、 10、 14、 20、 21、 24、 32、 34； 第 2 类 ： 19、 29、 33 第 3 类： 11、 15、 17、 22、 27、 30、 31、 35、 36、 37、 38、 39、 40、 41、42、 43、 45 第 4 类： 2、 6、 7、 8、 12、 13、 16、 18、 23、

13、28、 44 第 5 类： 25、 26 将类别与原始数据对比发现： 第 1 类主要体现在指标 3、 4、 6 上； 第 2 类主要体现在指标 2、 4 上； 第 3 类主要体现在指标 1、 5 上； 第 4 类主要体现在指标 6、 5 上； 第 5 类主要体现在指标 2、 5 上。 表 2 样品聚类处理检验统计量 从表 2中的统计量判断看，使用六个指标来处理 45样品分类是合理的，主要观察 Sig.值，六个指标均小于 0.005，故而实证分析结果可以使用。 五、结论 综上所述，我们以银行业个人房贷为背景，使用 K-means 聚类算法计算银行贷款风险 ，考虑了影响借款者还款能力的六个因素，通

14、过精确的模型分析计算过程，有利于银行有效地防范、化解、控制信贷风险，维护金融秩序稳定，这有助于改善我国金融机构控制风险的能力。随着我国金融改革的不断深入，金融市场的进一步发展完善， K-means 聚类算法计量模型以及在此基础上形成的风险管理模式将成为控制风险的一个有效工具，使我国银行逐步实现从定性管理到定量管理的转变，从而降低我国银行的信贷风险，提高信贷资金的使用效率。 参考文献： 蒋盛益基于聚类的入侵检测算法研究科学出版社出版。第 1 版 (2008年 8 月 ) 江其务、周好文银行信贷管理高等教育出版社年月版 邹新月 VaR 方法在银行贷款风险评估中的应用统计研究 2005 年 第 6期 邓善科我国商业银行贷款风险评估研究现代商业 2009 年 24 期 注：本文中所涉及到的图表、注解、公式等内容请以 PDF 格式阅读原文