聂燕敏　封二英

【摘 要】贫困户人员多、居住分散，资金需求具有小、急、频等特征，造成贫困户容易成为金融机构排斥对象。本文以贫困地区信用建设为突破口，利用大数据分析和挖掘技术对农户的基本信用进行评级，根据信用等级及主要影响因素确定扶贫资金的额度，有针对性的定制金融产品。这样一方面提高了金融机构扶贫的精准度，另一方面可以大大提升金融机构参与扶贫的积极性，使得农村金融生态环境越来越好。

【关键词】大数据技术；金融扶贫；精准扶贫；信用评级

中图分类号： F323.8 文献标识码： A 文章编号： 2095-2457（2018）08-0102-002

【Abstract】The number of poor households is scattered， and the demand for funds is small，urgent and frequent， which makes poor households easy to be excluded from financial institutions.This paper takes credit construction in poor areas as a breakthrough，uses large data analysis and mining technology to evaluate the basic credit of farmers， and determines the amount of the poverty alleviation funds according to the credit rating and the main factors，and there are targeted customized financial products.On the one hand， the precision of financial institutions' poverty alleviation is improved， on the other hand，the enthusiasm of financial institutions to participate in poverty alleviation can be greatly improved， and the rural financial ecological environment is getting better and better.

【Key words】Big data technology；Financial poverty alleviation；Precision poverty alleviation；Credit rating

0 引言

农村尤其是贫困地区，因市场机制不完善，贫困人口想顺利得到正规金融产品的支持是很困难的。尤其是小额信贷这种比较适合贫困人口的金融产品，特别受人们的喜爱。根据调查显示，曾经参加小额信贷的农户明显比没有参加的农户收入要高，这样可以有效提升扶贫成效，使得贫困人口尽快脱贫。但是，由于农村征信体制不健全，个人信用档案也不完善，部分贫困人口缺乏诚信意识，会有故意赖账的倾向，这就使得金融机构对农户和涉农企业的信用信息不能完全掌握，阻碍金融机构支持精准扶贫的积极性。因此，完善农村信用评级体系非常重要，要想充分调动金融机构参与金融扶贫的积极性，就要采取一系列措施，完善农村信用体制，净化农村金融生态环境。一是要建立起完整的农村个人信用档案，及时更新农户的信息，定期对农户的信用等级进行评级。二是要持续不间断地跟踪农户贷款情况，降低农户违约风险。三是建立长效的宣传机制，在农村广泛宣传恪守信用的农户和企业，并着力培育信用客户。

1 数据挖掘技术在贫困户信用评价中的可行性分析

利用数据挖掘技术进行精准扶贫过程中建档立卡贫困户的信用评价问题，主要分为以下几个方面。

（1）通过调研河北省国家级贫困县，搜集相关数据

选取某河北省国家级贫困县为研究对象，通过走访调研，搜集大量相关数据。数据包括：建档立卡贫困户录入的数据，通过调查问卷的形式确保数据的真实性和完整性；农户在金融扶贫中的历史交易数据等。

（2）利用大数据技术对前期搜集到的数据进行整合

由于农村信息化建设还不太完善，所以需要把搜集到的数据进行有效地整合。由于数据量比较大，可以选用大数据技术进行并行处理数据，选用合适的数据挖掘软件进行前期数据整合。

（3）使用属性相关性的特征选择算法确定影响金融扶贫信用评级的关键因素

通过定性分析，找出影响建档立卡贫困户信用风险的关键因素，如农户年龄、现有住房、申请项目等。贫困人口的信贷风险影响因素对贷款偿还效能和信用等级计算会产生不同程度的影响，利用属性相关性的特征选择算法，有助于识别重要因素，剔除非关键因素。金融机构就可以据此调整贷款发放政策，提高金融扶贫的精准度。

（4）利用数据挖掘分类算法，构建最优信用风险动态评级模型

为了实现金融扶贫的精准投放，首先要对建档立卡贫困户进行等级划分，以便在此基础上金融机构可以进一步调整自己的扶贫金融产品。对于不同等级的农户进行不同额度的扶贫贷款的投放。通过不同数据挖掘分类算法建立信用风险评级模型，通过比较确定最优模型，并保证能根据数据的更新，对农户的信用评级进行实时更新，实现动态信用评级。

2 金融精准扶贫信用评级实证分析

（1）金融扶贫过程中扶贫对象的信用评级指标体系构建

为了设计出科学合理、可操作性强的指标体系，充分体现金融扶贫过程中，各个金融机构资金的精准投放，通过将扶贫对象进行聚类，其中包括信用评级，并找到扶贫对象的贫困的主要原因，根据不同的原因和信用评级结果，金融机构可以设计出不同的金融产品，并且设置成不同的信用额度，这样一方面保证了金融机构进行扶贫的积极性，也保证了扶贫对象对资金的需求，并且也能避免信用詐骗，使得农村金融的生态环境更好。

指标的选取要遵循一定的原则，主要包括可操作性、科学性、全面性、系统性等特点。因此，本文通过走访扶贫办及建档立卡资料，参考金融机构对信用评级的指标，结合我省的实际情况，构建了适合评价我省金融扶贫过程中农户信用评价指标体系（见表1）。

（2）关键指标选取及数据归一化

首先通过发放调查问卷、走访调研等方式获取农户的基本数据，并对原始数据进行数据预处理，获得了原始数据。其次利用主成分分析法识别出最主要的影响因素，最终确定主要影响因素为：燃料、饮水、卫生、资产、住房、收入、学历、教育、健康、劳动力状况，将这些指标按照一定规则进行统一化得分处理，例如：饮水分为桶装水、自来水、受保护的井水、不受保护的井水或泉水、江河湖泊水、其他水源分别得分为0，1，2，3，4，5分，并以农户为单位，对一家的各个指标进行打分，最后得出整个家庭每个指标的平均得分。

（3）信用评级模型建立

由于我省农村信用体制还不太完善，而且有很多农户都没有信贷记录，因此不能采取有监督的聚类算法。选用k-Means聚类算法，利用weka软件对已经处理好的数据进行数据挖掘，使得他们的数据进行聚类，经过交叉验证得出将数据聚为5类，结果如图1所示。通过各个指标的分析，我们最终确定了五个类别分别对应的信用等级为I级、II级、III级、V级、VI级。

（4）最后得出信用評级结果，并分析影响评级结果的关键因素，对数据进行了相关性分析，找出贫困户信用评级低的主要原因，根据不同的情况进行不同的帮扶措施。比如：如果因为家庭教育负担重而导致贫困，则可以引荐金融机构发放助学贷款的形式。

（5）信用评级模型优化

由于农村信用体制不完善，信用记录缺失，贫困人口大多数都是没有贷款，即使有贷款也没有完善的数据记录，因此，选用了这种无监督的数据挖掘算法进行模型的建立，而模型的验证及后续的优化，需要后期搜集更多的带有标签的数据集对模型进行验证并优化。

3 结论

金融扶贫过程中进行信用评价是一个特别复杂的工程，因为它涉及的影响因素颇多，需要进行大量的调查和分析。而大数据挖掘技术，就是从各种类型的数据中快速获得有价值信息的技术，是大数据采集、存储、处理和呈现的有力武器，一般包括数据采集、数据预处理、数据分析及挖掘、数据展现和应用等方面，能够客观地对农户信用进行评级。虽然国家没有都会拨付大量经费用于财政扶贫、贷款贴息等，但与农村贫困人口的需求比是远远不够的，因此，我们需要积极吸引金融机构参与到金融扶贫过程中，吸引社会资金进入农村，而农民又没有抵押物，金融机构也不是慈善机构，因此，这就需要我们完善农村信用体系，大量开展小额信用贷款支持精准扶贫，这样可以完善我国的信用体系，使得我们农村金融生态环境更好，为实现2020年我国全面进入小康社会奠定了基础。

【参考文献】

[1]付李涛.我国连片贫困地区金融扶贫问题研究[D].首都经济贸易大学，2016.

[2]舒景慧.金融扶贫发展实践探索[D].内蒙古大学，2016.

[3]卢施羽.陕西农村金融扶贫发展模式研究[D].西北农林科技大学，2016.

[4]金丽，张丽明.河北省农村金融扶贫的成效、问题及建议[J].贵州农业科学，2014，42（07）：215-219. [2017-10-08].

[5]刘静.河北省农村金融扶贫问题研究[D].河北师范大学，2014.

[6]王鸾凤，朱小梅，吴秋实. 农村金融扶贫的困境与对策——以湖北省为例[J].国家行政学院学报，2012，（06）：99-103.[2017-10-08].DOI：10.14063/j.cnki.1008-9314.2012.06.008.

[7]祝慧，莫光辉，于泽堃.农村精准扶贫的实践困境与路径创新探索[J].农业经济，2017，（01）：9-11. [2017-10-08].